آمار
| تعداد نشریات | 44 |
| تعداد شماره‌ها | 1,350 |
| تعداد مقالات | 16,527 |
| تعداد مشاهده مقاله | 53,603,136 |
| تعداد دریافت فایل اصل مقاله | 16,065,079 |
ارزیابی دقت مدل‌های داده محور تصادفی و قطعی در مدلسازی و پیش‌بینی مقادیر دبی رودخانه (مطالعه موردی: رودخانه‌های غرب و جنوب غرب دریاچه ارومیه) | ||
| هیدروژئولوژی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 28 بهمن 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/hydro.2025.64748.1324 | ||
| نویسندگان | ||
| فاطمه روحانی نیا1؛ مجید منتصری2؛ بهزاد حصاری* 3؛ جلال شیری4 | ||
| 1گروه آب دانشگاه ارومیه | ||
| 2گروه مهندسی آب دانشگاه ارومیه | ||
| 3دانشیار و عضو هیئت علمی دانشگاه ارومیه ، گروه مهندسی آب و پژوهشکده مطالعات دریاچه ارومیه | ||
| 4استادیار دانشگاه تبریز | ||
| چکیده | ||
| پیش‌بینی و شبیه‌سازی جریان رودخانه جهت آگاهی از آورد رودخانه در دوره زمانی مختلف، از جمله مسائل مهم و کاربردی در مدیریت منابع آب می‌باشد. در پژوهش حاضر به ارزیابی و تعیین مدل مناسب پیش‌بینی دبی جریان 9 ایستگاه واقع بر رودخانه های غرب و جنوب غرب دریاچه ارومیه پرداخته شده است. مدل‌های مورد استفاده جهت دست‌یابی به هدف مطروحه شامل مدل‌های استوکاستیکی ARMA, ARIMA و مدل‌های مبتنی بر هوش مصنوعی شامل ANN, ELM, SVM می‌باشد. نتایج حاصل از بکارگیری مدل‌های ذکر شده نشان داد که و الگوی برازش ARIMA (0, 0 , 1) و (1, 0, 2) دارای بهترین عملکرد در مدلسازی دبی در این ایستگاه‌ها بوده اند به طوری که میانگین ضریب نش-ساتکلیف حاصل از الگو (0, 0 , 1) در 9 ایستگاه مورد مطالعه حدود 670/0 و در الگوی برازش (1, 0, 2) حدود 683/0 می‌باشد. در مدل‌های داده محور قطعی نیز میانگین این ضریب در 9 ایستگاه به ترتیب برای مدل ANN حدود 38/0 درصد، در مدل SVM حدود 47/0 درصد و در مدل ELM حدود 21/0 می‌باشد. برهمین اساس میتوان گفت به طور کلی مدل‌های استوکاستیک مورد بررسی در این پژوهش با میانگین ضریب نش-ساتکلیف و ضریب همبستگی بالا‌تر نسبت به مدل‌های هوش مصنوعی به کار رفته دارای اولویت کاربرد می‌باشد | ||
| کلیدواژه‌ها | ||
| پیش‌بینی؛ سری زمانی؛ مدل‌های استوکاستیک؛ مدل‌های هوش مصنوعی؛ حوضه آبریز دریاچه ارومیه | ||
|
آمار تعداد مشاهده مقاله: 51 |
||