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)

نویسندگان

  • اباذر اسمعلی عوری دانشیار گروه مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل
  • رضا ایمانی دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، اصفهان
  • هدی قاسمیه استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، اصفهان
چکیده مقاله:

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 خاک و همچنین دادههای اقلیمی و هیدرولوژیکی مربوط به سریهای روزانه بارندگی،1388 برای واسنجی و - 1386 تا 1389 - دما، تبخیر - تعرق مرجع و دبی تهیه شدند. دادههای سالهای آبی 13871390 برای اعتبارسنجی و آزمون مدلها انتخاب شدند. - 1389 و 1391 - آموزش و دادههای سالهای آبی 1390ضرایب ارزیابی عملکرد مختلف مانند ناش - ساتکلیف، ضریب همبستگی و ریشه میانگین مربعات خطا (برحسبو ANN 1 برای / 0/865 ،0/724 و 232 ،WetSpa 1 برای / 0 و 719 /696 ،0/ مترمکعب بر ثانیه) بهترتیب برابر با 457،ANN نشان داد که بالاترین دقت بین مدلهای بکار رفته بهترتیب به مدلهای ANFIS 1 برای / 0/603 ،0/289 و 968بیشتر است، اما استفاده از آن بهدلیل WetSpa نسبت به ANN متعلق هست. اگرچه دقت مدل ANFIS و WetSpaخاصیت جعبه سیاه بودن در برخی موارد از جمله بررسی تأثیر کاربری اراضی یا توپوگرافی بر رواناب نسبت بهبا محدودیتهایی مواجه است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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 کامل

بررسی عملکرد شبکه عصبی مصنوعی در پیش‌بینی جریان رودخانه (مطالعه موردی: حوضه قره آغاج استان فارس)

In order to river flow forecasting in catchments area in during many years are invented different methods that their efficiency is confirmed. One of these simulation models is neural network that it can draw the existence of truth together with considerable attention. In this research in order to Discharge simulation is investigated meteorological parameters effects on Ghare Aghaj river flow. F...

متن کامل

کاربرد مدلهای شبکه عصبی مصنوعی و مدل M5 در شبیه سازی جریان ماهانه(مطالعه موردی: رودخانه استور)

    مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ می‌دهد. روش­های هوش مصنوعی می­توانند کارایی بالایی جهت شبیه­سازی جریان رودخانه در مقیاس­های مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M5 جهت شبیه‌سازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیه‌سازی داده­های دبی جریان ماهانه در این ای...

متن کامل

مقایسه کارآیی مدل‌های شبکه‌های عصبی مصنوعی و رگرسیون برای پیش‌بینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان

  یک سیستم رودخانه­ای یک سیستم بازاست که از درگیر شدن ارتباطات مختلف و پیچیده شکل می‌گیرد. خصوصیات ذاتی حوضه‌ها از یک سو و عوامل خارجی از سوی دیگر رفتارهای رودخانه را متاثر می‌سازد.وجود ارتباطات متقابل متعدد از جمله ارتباطات جریان ورسوب حمل شده وتاثیر عوامل ژئومورفولوژی حوضه و مدل سازی آن از اهمیت ویژه ای برخوردار است.در این مطالعه دونوع شبکه عصبی مصنوعی ژئومورفولوژیکی و غیر ژئومورفولوژیکی برای...

متن کامل

شبیه سازی دبی جریان حوضه ماربره با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی

شبیه سازی جریان رودخانه به عنوان اولین و مهم ترین گام جهت کنترل سیلاب در مدیریت منابع آب می باشد. در این تحقیق جریان روزانه رودخانه ماربره واقع در استان لرستان، با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی مورد بررسی قرار گرفت. بر این اساس ترکیب های مختلفی با استفاده از پارامترهای بارندگی و دما در دوره زمانی مورد نظر و جریان رودخانه در دوره های زمانی ما قبل، طی دوره آماری (1377-1391...

منابع 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 26  شماره شماره1 بخش 1

صفحات  99- 116

تاریخ انتشار 2016-05-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023