مقایسه مدل های شبکه عصبی مصنوعی و یادگیری عمیق در مدلسازی بارش-رواناب رودخانه کشف رود و پیش بینی اثر تغییر اقلیم بر پارامترهای هواشناسی و دبی رودخانه
هدف از این تحقیق مقایسه عملکرد مدل های شبکه عصبی مصنوعی (ANN) و شبکه عصبی عمیق (DNN) در مدلسازی بارش-رواناب رودخانه کشف رود و پیش بینی اثر تغییر اقلیم بر پارامترهای هواشناسی و دبی رودخانه می باشد. بدین منظور عملکرد دو مدل از شبکه عصبی مصنوعی (MLP) و یادگیری عمیق (CNN) در مدل سازی بارش-رواناب با ورودی هایی از بارش و دبی روزانه با تاخیرهای مختلف با یکدیگر مقایسه شد. سپس از پیش بینی مدل LARS-WG6 در دوره آتی (2021-2040) در سناریوهای مختلف تغییر اقلیم (RCP26، RCP45 و RCP85) به عنوان ورودی مدل هوش مصنوعی برتر استفاده شده و دبی رودخانه و مقادیر حدی آن پیش بینی گردید. یافته های تحقیق نشان داد که مدل CNN با ورودی بارندگی با تاخیر صفر تا 2 روز و دبی رودخانه با تاخیر 1 روز بهترین عملکرد را در مدلسازی دبی رودخانه داشت. پیش بینی های LARS-WG6 نشان داد که افزایش حداقل و حداکثر دما در آینده در ماه های مختلف در محدوده 3/0 تا 1/2 درجه سانتیگراد خواهد بود. بارندگی سالانه در همه سناریوهای تغییر اقلیم در آینده افزایش خواهد یافت. بیشترین افزایش بارندگی سالانه در آینده نسبت به دوره پایه در سناریوی RCP26 به میزان 14% خواهد بود و حداکثر دبی در سناریوی مذکور حدود 18 درصد افزایش خواهد یافت.
- 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.