ارزیابی سه روش برآورد دبی متوسط روزانه و دبی سیل (شبکه های عصبی مصنوعی، شبکه عصبی مصنوعی-فازی و رگرسیون چند متغیره) در حوزه آبخیز رودخانه خرم آباد

thesis
abstract

چکیده رودخانه ها به عنوان شریان های حیاتی از دیر باز مورد توجه خاص بشر بوده، ولی وقوع سیل های خطرناک باعث تخریب تأسیسات احداثی در مسیر رودخانه می شود لذا لازمه محاسبه دقیق دبی طرح ضروری است. در این راستا حوزه آبخیز رودخانه خرم آباد با وسعتی معادل1664 کیلومتر مربع حدود 16% وسعت حوزه کشکان را در بر گرفته و در خروجی این حوزه ایستگاه هیدرومتری چم انجیر با 58 سال آمار وجود دارد، در پژوهش حاضر دبی متوسط روزانه با استفاده از روش های رگرسیون چند متغیره، شبکه عصبی مصنوعی و شبکه استنتاج تطبیقی با ورودی های اقلیمی (بارش، دما و تبخیر)، کاربری کشاورزی، کاربری جنگل و شماره منحنی با 19 سال آمار روزانه شبیه سازی شد. نتایج مقایسه مجموعه کل داده های مشاهداتی با شبیه سازی شده نشان می دهد که ضریب همبستگی در روش های رگرسیون چند متغیره، شبکه عصبی مصنوعی و شبکه استنتاج تطبیقی به ترتیب 607/0، 72/0 و 807/0 بوده است همچنین میانگین مربعات خطا هر یک از سه روش رگرسیون چند متغیره، شبکه عصبی مصنوعی و شبکه استنتاج تطبیقی به ترتیب 0027/0، 002/0 و 0015/0 می باشد،با توجه به نتایج حاصله، برتری مدل شبکه استنتاج تطبیقی نسبت به دو مدل دیگر مشهود است. همچنین در مقایسه دبی متوسط سیل مشاهداتی با شبیه سازی شده از طریق شبکه استنتاج تطبیقی مشخص شد که ضریب همبستگی بین آنها 987/0 و میانگین مربعات خطا 0031/0 می باشد. علاوه بر این ها برای انتخاب توزیع فراوانی برتر ابتدا با وارد کردن داده های دبی متوسط سیل و داده های شبیه سازی شده (نرم افزار smada) مشخص شد که توزیع لوگ پیرسون نوع 3 توزیع برتر است زیرا با مقایسه فراوانی احتمال وقوع داده های مشاهداتی و شبیه سازی شده در توزیع منتخب مقدار ضریب همبستگی 998/0 و میانگین مربعات خطا 80/24 را نشان می دهد. بنابراین چنین نتیجه گیری می شود که مدل شبکه استنتاج تطبیقی به عنوان مدلی مناسب برای شبیه سازی دبی متوسط سیل بوده و برای حوزه های فاقد آمار بایستی مورد استفاده قرار گیرد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

بازسازی دبی روزانه با استفاده از روش های شبکه عصبی و فازی- عصبی(مطالعه موردی: سرشاخه های حوزه آبخیز کارون)

برای برآورد دبی روزانه در مدل‏های هیدرولوژی نیاز به دبی‏های پیوسته در بازه زمانی روزانه هست. تعداد سال‏های آماری متفاوت، نواقص آماری و خطای اندازه‏گیری باعث ایجاد سری‏های زمانی با پایه زمانی غیرمشترک می‏گردد. بنابراین بازسازی داده‏های دبی روزانه از اهمیت ویژه‏ای برخوردار است. این تحقیق به‌منظور بازسازی دبی روزانه در یکی از سرشاخه‏های رودخانه کارون و در دو مرحله انجام گرفت. در هر دو مرحله تحقیق ...

full text

ارزیابی دقت شبکه های عصبی مصنوعی در برآورد دبی حداکثر ‏لحظه ای، مطالعه موردی: حوزه های آبخیز استان فارس

برآورد دبی اوج سیلاب در حوزه ­های آبخیز یکی از مهم ترین مسائلی است که هیدرولوژیست­ ها و کارشناسان بخش آب را به خود مشغول کرده است. یکی از روش های نوین در حل مسائل مهندسی آب و رودخانه ها و همچنین، برآورد دبی اوج لحظه­ ای، استفاده از شبکه­ های عصبی مصنوعی می باشد که با الگوبرداری از شبکه مغز انسان ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف و برای موقعیت های دیگر تعمیم می دهد. هدف از ا...

full text

شبیه‌سازی شبکه عصبی مصنوعی در برآورد ماکزیمم دبی خروجی شکست سدهای خاکی و زمان شکست

تاکنون مدل‌های زیادی جهت تشریح فرآیند پیچیدة شکست سدهای خاکی و سیل ناشی ازآن پیشنهاد شده است. این مدل ها شامل مدل های فیزیکی، ریاضی ویا کامپیوتری می باشند. از جملة این مدل‌ها، مدل BREACH می‌باشد که بطور وسیع درقرن اخیر مورد استفاده قرارگرفته است. این مدل بر مبنای روابط فرسایش، قوانیـن هیـدرولیـک، انتقـال رسوب و مکـانیـک خاک پایـه‌گـذاری شده است و توانایی محاسبه ابعاد نهایی مقطع شکست و هیدروگراف...

full text

عملکرد شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی در برآورد غلظت ازن در شهر تهران

در سال‌های اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان می‌شود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده‌هابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ...

full text

مقایسه کارآیی مدل هیدرولوژیکیWetSpa شبکه عصبی مصنوعی و سیستم عصبی- فازی انطباقی ، در شبیه سازی دبی جریان رودخانه (مطالعه موردی: حوضه آبخیز بالوخلوچای استان اردبیل)

پوشش گیاهی حوضههای آبخیز دارد. در سالهای اخیر، مدلهای متنوع کامپیوتری و روشهای هوشمند عصبیجهت تخمین و پیشبینی رواناب و تأثیرات متعدد آن مورداستفاده قرارگرفتهاند. در این تحقیق، عملکرد مدلدر شبیهسازی بارش- رواناب و تخمین دبی روزانه ANFIS و ANN و دو مدل هوشمند WetSpa هیدرولوژیکیحوضه آبخیز بالوخلوچای موردبررسی قرار گرفت. دادههای موردنیاز شامل اطلاعات مربوط به مدل رقومی ارتفاع،نقشههای کاربری اراضی و...

full text

مدل‌سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان

     Rainfall runoff modeling and prediction of river discharge is one of the important practices in flood control and management, hydraulic structure design and drought management. The present article aims to simulate daily streamflow in Kasilian watershed using an artificial neural network (ANN) and neuro-fuzzy inference system (ANFIS). The intelligent methods have the high potential for dete...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه لرستان - دانشکده کشاورزی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023