دانشگاه تبریز
فهرست نشریات دارای اعتبار وزارت علوم، تحقیقات و فناوری
پایگاه استنادی علوم جهان اسلام (ISC)

 آمار

تعداد نشریات44
تعداد شماره‌ها1,304
تعداد مقالات15,960
تعداد مشاهده مقاله52,317,257
تعداد دریافت فایل اصل مقاله15,075,325
خورسندی کوهانستانی, زهره, طاعت پور, فاطمه. (1403). مقایسه کارایی مدل‌های یکپارچه و روش‌های یادگیری ماشین در شبیه‌سازی دبی. سامانه مدیریت نشریات علمی, (), -. doi: 10.22034/hyd.2024.63280.1754
زهره خورسندی کوهانستانی; فاطمه طاعت پور. "مقایسه کارایی مدل‌های یکپارچه و روش‌های یادگیری ماشین در شبیه‌سازی دبی". سامانه مدیریت نشریات علمی, , , 1403, -. doi: 10.22034/hyd.2024.63280.1754
خورسندی کوهانستانی, زهره, طاعت پور, فاطمه. (1403). 'مقایسه کارایی مدل‌های یکپارچه و روش‌های یادگیری ماشین در شبیه‌سازی دبی', سامانه مدیریت نشریات علمی, (), pp. -. doi: 10.22034/hyd.2024.63280.1754
خورسندی کوهانستانی, زهره, طاعت پور, فاطمه. مقایسه کارایی مدل‌های یکپارچه و روش‌های یادگیری ماشین در شبیه‌سازی دبی. سامانه مدیریت نشریات علمی, 1403; (): -. doi: 10.22034/hyd.2024.63280.1754

مقایسه کارایی مدل‌های یکپارچه و روش‌های یادگیری ماشین در شبیه‌سازی دبی

هیدروژئومورفولوژی
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 04 آذر 1403
نوع مقاله: پژوهشی
شناسه دیجیتال (DOI): 10.22034/hyd.2024.63280.1754
نویسندگان
زهره خورسندی کوهانستانی* 1؛ فاطمه طاعت پور2
1گروه مهندسی طبیعت، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
2دانشجوی دکتری، دانشکده مهندسی مرتع و آبخیزدری، دانشگاه یزد، ایران
چکیده
در هیدرولوژی، فرآیند بارش - رواناب یکی از پیچیده‌ترین پدیده‌های غیرخطی است. پیش‌بینی رواناب در حوضه‌های فاقد آمار یکی از چالش‌ها در مدیریت منابع آب است. در این مطالعه کارایی مدل‌های یکپارچه هیدرولوژیک و روش‌های یادگیری ماشین در شبیه‌سازی دبی روزانه و ماهانه در حوضه آبخیز کبکیان که یکی از مهم‌ترین سرشاخه‌های رودخانه کارون است، بررسی شد. مدل‌های هیدرولوژیک یکپارچه AWBM، Sacramento، SIMHYD، SMAR و TANK و الگوریتم‌های مختلف روش درخت تصمیم، شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان برای شبیه‌سازی دبی روزانه و ماهانه حوضه استفاده شد. سری‌های ماهانه و روزانه بارش، تبخیر و تعرق پتانسیل و دبی در دوره آماری 1401-1350 برای این منظور استفاده شدند. برای ارزیابی کارایی مدل‌ها نیز از ضرایب کارایی R2 ، NS و RMSE به کار گرفته شد. نتایج نشان داد که مدل‌های SMAR و AWBM بهترین کارایی را در شبیه‌سازی دبی روزانه در حوضه آبخیز کبکیان در مقایسه با سایر مدل‌های هیدرولوژیک استفاده شده داشته‌اند و مقادیر ضریب نش ساتکلیف این دو مدل در مرحله صحت سنجی به ترتیب 79/0 و 78/0 بوده که نشان از کارایی بسیار خوب این مدل‌ها در شبیه‌سازی دبی روزانه دارد. در سری‌های ماهانه نیز مدل‌های SMAR و AWBM با ضریب نش ساتکلیف به ترتیب 71/0 و 72/0 و ضریب تبیین 79/0 و 79/0 کارایی خوب داشته‌اند. در روش‌های یادگیری ماشین در مقیاس روزانه، روش درخت تصمیم با الگوریتم جنگل تصادفی با ضریب تبیین 61/0 بهترین کارایی را در شبیه‌سازی دبی داشته‌است. در شبیه‌سازی دبی ماهانه، الگوریتم جنگل تصادفی با ضریب تبیین 93/0 کارایی خیلی خوبی داشته‌است.
کلیدواژه‌ها
شبیه‌سازی دبی؛ یادگیری ماشین؛ مدل یکپارچه؛ حوضه آبریز کبکیان
آمار
تعداد مشاهده مقاله: 61


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب