آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,406 |
| تعداد مقالات | 17,246 |
| تعداد مشاهده مقاله | 55,711,806 |
| تعداد دریافت فایل اصل مقاله | 17,892,731 |
مدلسازی جریان رودخانه باراندوزچای با استفاده از روش نزدیکترین K- همسایه و روشهای هوشمند | ||
| دانش آب و خاک | ||
| مقاله 18، دوره 25، شماره 1، خرداد 1394، صفحه 219-233 اصل مقاله (569.09 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| هادی ثانی خانی* 1؛ یعقوب دین پژوه2؛ محمد علی قربانی2 | ||
| 1دانشجوی دکتری منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
| 2دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
| چکیده | ||
| پیشبینی دقیق جریان رودخانه در طراحی، بهرهبرداری و برنامهریزی منابع آب از اهمیت بسزایی برخوردار است. در این مطالعه، عملکرد روشهای ناپارامتری نزدیکترین همسایه، فازی- عصبی تطبیقی و روش رگرسیون بردار پشتیبان در پیشبینی جریان رودخانه ارزیابی شده است. برای مدلسازی از دادههای جریان 36 ساله ایستگاه هیدرومتری دیزج واقع بر رودخانه باراندوزچای (در مقیاس زمانی ماهانه) استفاده گردید. ترکیبات مختلفی از دادههای ثبت شده به عنوان الگوی ورودی جهت پیشبینی دبی جریان استفاده شد. نتایج به دست آمده حاکی از عملکرد قابل قبول روشهای مورد استفاده در پیشبینی مقدار جریان ماهانه بودند. با اضافه نمودن ضریب فصلی جریان به الگوی ورودی مدل، عملکرد مدلهای هوشمند در پیشبینی به صورت قابل ملاحظهای افزایش یافت. به طور کلی، مدل رگرسیون بردار پشتیبان با بکارگیری مناسبترین الگوی ورودی به عنوان بهترین روش انتخاب شد. مقادیر سه شاخص ارزیابی شامل ضریب همبستگی، ریشه میانگین مربعات خطا و متوسط قدر مطلق خطای نسبی به ترتیب برابر 88/0، 63/3 مترمکعب بر ثانیه و 45/78 بود. همچنین ارزیابی عملکرد مدلها در پیشبینی مقادیر دبی جریان نشان داد که در موارد با جریان زیاد، همه مدلهای مورد استفاده، دبی جریان را کمتر از مقدار مشاهداتی تخمین میزنند. | ||
| کلیدواژه‌ها | ||
| پیشبینی جریان؛ رگرسیون بردار پشتیبان؛ رودخانه باراندوزچای؛ فازی- عصبی؛ نزدیکترین همسایه | ||
|
آمار تعداد مشاهده مقاله: 2,959 تعداد دریافت فایل اصل مقاله: 1,869 |
||