کاربرد مدل‏ های LS-SVM، ANN، WNN و GEP در شبیه‏ سازی بارش‌ـ رواناب رودخانۀ خیاوچای

نویسندگان

  • عارف محمدی کارشناس مهندسی آب، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
  • محمد رضا نیک پور استادیار، گروه مهندسی آب، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
  • هادی ثانی خانی استادیار، گروه علوم و مهندسی آب، دانشکدۀ کشاورزی، دانشگاه کردستان
چکیده مقاله:

پیش‏بینی جریان رودخانه به‌منظور مدیریت و برنامه‏ریزی منابع آب در رودخانه‏ها، دریاچه‏ها، مخازن سدها و همچنین برای حفاظت کناره‏های رودخانه در زمان وقوع سیلاب انجام می‏گیرد. در این تحقیق از مدل‏های شبکه‏های عصبی مصنوعی، هیبرید‏ موجک‌ـ عصبی، برنامه‏ریزی بیان ژن و کمترین مربعات ماشین بردار پشتیبان به‌منظور تخمین جریان روزانۀ رودخانۀ خیاوچای استفاده شد. بدین‌منظور داده‏های دبی و بارش روزانۀ ایستگاه هیدرومتری پل سلطانی واقع بر رودخانۀ یادشده طی دورۀ آماری 1378‌ـ 1392 به‏کار گرفته شد. پس از محاسبۀ ضرایب همبستگی متقابل متغیرهای بارش و دبی، شش الگوی مختلف به‌منظور تخمین رواناب روزانه تعیین شد. برای ارزیابی مدل‏ها از شاخص‏های آماری و آزمون ANOVA استفاده شد. نتایج بیان‌کنندۀ برتری مدل هیبرید‏ موجک‌ـ عصبی با بیشترین ضریب همبستگی (877/0=R)، کمترین ریشۀ میانگین مربعات خطا (696/0=RMSE) و ضریب نش ساتکلیف برابر 767/0 در مرحلۀ صحت‏سنجی بود. نتایج آزمون آنوا نیز نتایج شاخص‏های آماری را تأیید کرد و مدل هیبرید موجک‌ـ عصبی با داشتن کمترین مقدار آمارۀ F (11/0) و بیشترین سطح معناداری (75/0) به‌عنوان بهترین مدل شناخته شد. در برآورد دبی بیشینه (سیلاب) نیز مدل یادشده با میانگین خطای نسبی 19/30 درصد، به مقدار شایان توجهی خطای کمتری نسبت به سایر مدل‏ها داشت.              

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

ارزیابی تأثیر نرمال سازی توزیع احتمالاتی رواناب ماهانه بر عملکرد مدل های SVM و ANN در شبیه سازی جریان ماهانه رودخانه ها (مطالعه موردی: حوزه زرینه رود)

     Accurate estimation of river flows is one of the fundamental activities in water resources management of river basins. Artificial neural network (ANN) and support vector machine (SVM) are the most important data mining models that can be considered for this purpose. Due to the data-based attribute of these models, probability distribution of data may have a considerable effects on their pe...

متن کامل

پیش‌بینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)

مدل‌های داده محور از جمله ابزارهایی هستند که به منظور شبیه‌سازی در علوم مختلف استفاده می‌شوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیراً در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدل‌ها با شبیه‌سازی فرآیند بارش-رواناب، مقدار رواناب را در حوزه‌های آبخیز بدون ایستگاه اندازه‌گیری و با حداقل زمان ممکن و کمترین هزینه برآورد می‌کنند. هدف ا...

متن کامل

ارزیابی مدل های swat و svm در شبیه سازی رواناب رودخانه لیقوان چای

در این مطالعه، عملکرد مدل هیدرولوژیک ابزار ارزیابی آب و خاک (swat) و ماشین­ بردار پشتیبان (svm) در شبیه­سازی ماهانه رواناب رودخانه لیقوان­چای مورد ارزیابی قرار گرفت. مرحله های واسنجی و اعتبارسنجی پس از جمع آوری داده­های مورد نیاز برای هر دو مدل به اجرا درآمد. از الگوریتم sufi-2 برای تحلیل عدم قطعیت مدل swat استفاده شد. با استفاده از مدل swat رواناب حوضه آبریز لیقوان شبیه­سازی و نتایج به دست آمد...

متن کامل

کاربرد مدل SWFM و GIS در شبیه سازی انتقال رسوب توسط رواناب سطحی

تخریب اراضی بر اثر فرسایش، افزون بر تلفات بی شمار خاک، بخش اعظمی از آب قابل استفاده را از دسترس خارج می سازد. روش های متعددی برای بررسی فرسایش خاک وجود دارد. یکی از این روش ها که می توان به عنوان روش جدیدی از آن نام برد، استفاده از مدل تجمعی جریان است که بر پایه ی قدرت فرسایندگی شبکه ی هیدروگرافی حوزه بنا شده است. در این بررسی، با استفاده از معادلات مرتبط با نظریه فوق، توزیع فرسایش در سطح ...

متن کامل

شبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)

برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاک...

متن کامل

پیش بینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (ls-svm)

مدل های داده محور از جمله ابزارهایی هستند که به منظور شبیه سازی در علوم مختلف استفاده می شوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیراً در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدل ها با شبیه سازی فرآیند بارش-رواناب، مقدار رواناب را در حوزه های آبخیز بدون ایستگاه اندازه گیری و با حداقل زمان ممکن و کمترین هزینه برآورد می کنند. هدف ا...

متن کامل

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 4  شماره 2

صفحات  627- 639

تاریخ انتشار 2017-06-22

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