آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,253 |
| تعداد مقالات | 15,411 |
| تعداد مشاهده مقاله | 51,245,970 |
| تعداد دریافت فایل اصل مقاله | 14,254,215 |
برآورد رواناب حوضه بار اریه با استفاده از مدل‌های WetSpa و شبکه عصبی مصنوعی | ||
| جغرافیا و برنامه‌ریزی | ||
| مقاله 7، دوره 21، شماره 62، اسفند 1396، صفحه 117-137 اصل مقاله (901.35 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 3-2 | ||
| نویسندگان | ||
| حسین رحمتی1؛ صمد امامقلی زاده2؛ حسین انصاری3 | ||
| 1دانشجوی دکتری رشته‌ی مهندسی آبیاری و زهکشی، دانشگاه شهید چمران اهواز، دانشکده مهندسی علوم آب | ||
| 2دانشیار رشته‌ی سازه‌های آبی، عضو هیئت علمی گروه آب و خاک دانشکده کشاورزی دانشگاه شاهرود | ||
| 3استاد گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد | ||
| چکیده | ||
| برآورد صحیح رواناب حوضه نقش بسیار مهمی در مدیریت آن دارد. تا به حال محققین زیادی از مدل‌های یکپارچه، توزیعی و هم‌چنین از روش‌های هوشمند مصنوعی به‌منظور برآورد رواناب حوضه استفاده نمودند. در تحقیق حاضر برای برآورد آبدهی حوضه بار اریه با مساحتی معادل با 112 کیلومتر مربع و متوسط بارش سالانه 72/306 میلی‌متر از دو مدل توزیعی WetSpa و مدل هوشمند شبکه عصبی مصنوعی ANN استفاده گردید. به‌منظور اجرای مدل WetSpa از دو دسته اطلاعات شامل نقشه‌های رستری و اطلاعات هواشناسی و برای مدل شبکه عصبی مصنوعی تنها از اطلاعات هواشناسی استفاده گردید. اجرای مدل‌های مذکور در دوره‌ی 5 ساله صورت پذیرفت. به‌منظور مقایسه نتایج مدل‌ها، از معیارهای ارزیابی ضریب همبستگی R2، مجذور میانگین خطای استاندارد RMSE و میانگین قدر مطلق خطا MAE استفاده شد. نتایج بدست آمده نشان داد مدل WetSpa با R2و RMSE برابر با m3/s920/0 وm3/s 346/0 و هم‌چنین مدل شبکه عصبی مصنوعی با R2و RMSE برابر با m3/s 959/0 و m3/s 310/0 توانایی شبیه‌سازی جریان رودخانه بار اریه را دارند. هم‌چنین استفاده از مدل شبکه عصبی مصنوعی موجب کاهش خطای برآورد رواناب حوضه به مقدار 6/11 درصد در مقایسه با مدل WetSpa شده است. | ||
| کلیدواژه‌ها | ||
| حوضه بار اریه؛ رواناب؛ شبکه عصبی مصنوعی؛ مدل‌سازی؛ WetSpa | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 728 تعداد دریافت فایل اصل مقاله: 518 |
||