آمار
| تعداد نشریات | 45 |
| تعداد شمارهها | 1,513 |
| تعداد مقالات | 18,460 |
| تعداد مشاهده مقاله | 60,184,154 |
| تعداد دریافت فایل اصل مقاله | 21,231,522 |
پیش¬بینی جریان روزانه با استفاده از شبکه¬های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای) | ||
| دانش آب و خاک | ||
| مقاله 8، دوره 23، شماره 3، آبان 1392، صفحه 93-103 اصل مقاله (305.1 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| صفر معروفی* ؛ کیمیا امیرمرادی؛ نصرالدین پارسافر | ||
| چکیده | ||
| پیشبینی دقیق جریان در رودخانهها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالیها است. به دلیل اهمیت پیشبینی جریان رودخانه، در این تحقیق جریان روزانه رودخانهی باراندوزچای در دو ایستگاه بیبکران و دیزج طی یک دورهی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) میباشد، پیشبینی گردید. سپس نتایج حاصله از مدل WNN با مدل ANN مقایسه گردید. دادههای مربوط به سالهای 1384-1369 به منظور آموزش شبکهها و دادههای سالهای 1388-1385 نیز جهت صحتسنجی شبکهها استفاده گردیدند. عملکرد این دو مدل توسط شاخصهای آماری ضریب همبستگی (r)، ریشه مربع میانگین خطا (RMSE) و میانگین قدر مطلق خطا (MAE) ارزیابی گردید. نتایج این پژوهش نشان داد که مدل WNN با ضرایب همبستگی 972/0 و 976/0 که به ترتیب مربوط به ایستگاههای بیبکران و دیزج میباشند، توانایی بیشتری در پیشبینی جریان روزانه رودخانه نسبت به مدل ANN دارد. بنابراین، نتایج حاکی از کارایی مناسب و دقت بالای مدل عصبی- موجکی در مقایسه با شبکه عصبی مصنوعی در پیشبینی جریان رودخانه است. i-font_�iy`[��Wew Roman";mso-fareast-font-family:Calibri; mso-hansi-font-family:"Times New Roman";mso-ansi-language:EN-US;mso-fareast-language: EN-US;mso-bidi-language:FA'> به میزان 074/0 واحد ( 87/160 درصد) نسبت به شاهد شد. بطور کلی نتایج دلالت بر این دارد که جهت اصلاح خاکهای شور-سدیمی، بهتر است ابتدا ازPAM استفاده شود، چون از نظر بهبود هدایت هیدرولیکی و تسریع آبشویی تأثیر مهم میگذارد، بهره گیری از پومیس یا کمپوست در اولویت بعدی قرار میگیرد. | ||
| کلیدواژهها | ||
| جریان روزانه؛ رودخانه باراندوزچای؛ شبکه عصبی مصنوعی؛ مدل عصبی- موجکی | ||
|
آمار تعداد مشاهده مقاله: 4,648 تعداد دریافت فایل اصل مقاله: 2,946 |
||