بررسی کارآیی مدلهای هیبرید شبکه عصبی مصنوعی- استوکاستیک در پیشبینی خشکسالیهای هیدرولوژیکی با استفاده از آماره کاپا (مطالعه موردی: حوزه آبخیز رودخانه گاماسیاب)
نویسندگان
چکیده مقاله:
خشکسالی یک رخداد طبیعی تکرارشونده و موقتی است که ناشی از کاهش بارندگی نسبت به میانگین بلندمدت آن میباشد و میتواند در هر اقلیمی رخ دهد. از آنجائی که خشکسالی پدیدهای تصادفی و غیرخطی است ، استفاده از مدلهای استوکاستیک خطی، شبکه عصبی مصنوعی و مدلهای هیبرید میتواند در توسعه نتایج پیشبینی مفید باشد. مطالعه حاضر به بررسی کارایی مدلهای ARIMA، شبکه عصبی مصنوعی و مدل هیبرید آریما - شبکه عصبی مصنوعی در پیشبینی خشکسالی هیدرولوژی در دو مقیاس زمانی ماهانه و فصلی در دو ایستگاه هیدرومتری واقع در بخش میانی و خروجی در حوزه آبخیز گاماسیاب در دوره آماری (1353- 1387) میپردازد و شاخص SDI بعنوان شاخص پیشبینی کننده انتخاب گردید. بازه زمانی آماری (1353- 1379) برای مرحله واسنجی و 8 سال باقیمانده جهت مرحله صحت سنجی مدلها مورد استفاده قرار گرفت. نتایج نشان میدهد، در میان سه مدل مورد استفاده جهت پیشبینی یک گام زمانی بعد، ترکیب مدلهای شبکه عصبی- استوکاستیک (هیبرید) نتیجه مناسبی نسبت به مدلهای مجزای آنها در مقیاس ماهانه و فصلی دارد بطوریکه مقادیر میانگین خطای نسبی و آماره کاپای این مدل در مقیاس زمانی ماهانه در ایستگاه پلچهر (بخش خروجی) به ترتیب 79/5% RME=و 565/0K= و در مقیاس زمانی فصلی در ایستگاه دوآب (بخش میانی) 22% RME=و 232/0K= است.
منابع مشابه
برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
متن کامل
تعیین پتانسیل فرسایش خندقی با استفاده از شبکه عصبی مصنوعی، مطالعه موردی: حوزه آبخیز طرود
یکی از انواع فرسایش آبی که باعث ایجاد فرسایش و رسوب در حوزههای آبخیز میشود و خسارتهای زیادی به اراضی کشاورزی، مرتعی و تاسیسات زیر بنایی وارد مینماید، فرسایش خندقی میباشد. در این تحقیق بررسی فرسایش خندقی با هدف تعیین پتانسیل آن با استفاده از روش شبکه عصبی مصنوعی انجام شده است. جهت تعیین پتانسیل فرسایش خندقی از ساختار پرسپترون چندلایه و الگوریتم لونبرگ مارگوت با بهکارگیری متغیرهای خاک، سنگ...
متن کاملبرآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
پدیدههای فرسایش و انتقال رسوب در رودخانهها یکی از مهمترین و پیچیدهترین موضوعات مهندسی رودخانه میباشد. این پدیدهها اثرات ویژهای روی شاخص های کیفی آب، کنش کف بستر و کناره های رودخانه داشته و همچنین خسارات جبران ناپذیری به طرح های عمرانی آب وارد مینماید. پیشبینی دقیق میزان رسوب رودخانهها اهمیت قابل توجهی در مدیریت منابع آب و طراحی و ساخت و همچنین برنامه ریزی در بهره برداری از سازههای آب...
متن کاملمدلسازی 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...
متن کاملپیش بینی سیلاب در زمان واقعی با استفاده از مدلهای رگرسیونی و شبکه های عصبی مصنوعی (مطالعه موردی)
متن کامل
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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 8 شماره 27
صفحات 35- 48
تاریخ انتشار 2015-03
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023