«گزارش فنی» مقایسه کارایی مدل IHACRES و شبکه عصبی مصنوعی برای پیش بینی جریان رودخانه سیوند

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

تعیین دقیق جریان رودخانه در آبخیزهای فاقد آمار از چالش های مهم در هیدرولوژی می باشد. در این راستا، با توجه به تنوع مدل های هیدرولوژیکی موجود، انتخاب مدل مناسب مستلزم ارزیابی عملکرد مدل ها در شرایط هیدرولوژیکی هر منطقه است. هدف از این پژوهش مقایسه کارایی روش شبکه عصبی مصنوعی (ANN) و مدل یکپارچه IHACRES برای پیش بینی جریان رودخانه سیوند در حوضه طشک- بختگان واقع در استان فارس به عنوان یک منطقه گرم و خشک می باشد. از داده های سال های 1361 تا 1374 برای واسنجی و 1375 تا 1391 برای صحت سنجی مدل استفاده شد. برای ارزیابی قابلیت شبکه های عصبی مصنوعی، از جعبه ابزار مربوط به شبکه عصبی نرم افزار متلب استفاده شد. مقادیر جریان شبیه سازی شده بوسیله مدل IHACRES برای دبی سیلابی در دوره واسنجی بیشتر و در دوره صحت سنجی، کمتر از مقادیر مشاهداتی بود. مقادیر ضریب تبیین در فرایند واسنجی و صحت سنجی این مدل به ترتیب 62/0 و 54/0 بود. کمترین و بیشترین مقدار ضریب تبیین شبکه عصبی دینامیک در دوره های واسنجی و صحت سنجی به ترتیب 88/0 و 94/0 بود در حالی که برای شبکه های عصبی ایستا به ترتیب 51/0 و 69/0 بود. براساس نتایج، شبکه های عصبی مصنوعی با دقت بیشتری نسبت به مدل IHACRES، جریان ماهانه رودخانه سیوند را پیش بینی کردند.

زبان:
فارسی
صفحات:
262 تا 267
لینک کوتاه:
magiran.com/p2074790 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!