ویژگی سری های زمانی و پیشبینی جریان ماهانه رودخانه ها با شبکه های عصبی MLP (مطالعه موردی: رودخانه باراندوزچای)

  • سال انتشار: 1398
  • محل انتشار: ششمین کنگره ملی عمران، معماری و توسعه شهری
  • کد COI اختصاصی: ICSAU06_0231
  • زبان مقاله: فارسی
  • تعداد مشاهده: 749
دانلود فایل این مقاله

نویسندگان

سیدامین غیبی

دانشجوی کارشناسی ارشد مهندسی عمران- آب و سازه های هیدرولیکی، موسسه آموزش عالی علم و فن ارومیه

میرعلی محمدی

دانشیار مهندسی عمران- هیدرولیک و مکانیک مهندسی رودخانه، دانشکده فنی دانشگاه ارومیه

هیراد عبقری

دانشیار دانشکده منابع طبیعی، دانشگاه ارومیه

چکیده

رشد روزافزون جمعیت و محدودیت منابع آب سطحی در کشور، لزوم پیش بینی دقیق تر مقدار آورد رودخانه را به دلیل اهمیت در برنامه ریزی و مدیریت منابع آب از جمله بهرهبرداری از مخازن و طراحی سازه های کنترل سیلاب با استفاده از ابزارها و روشهای نوین مدلسازی می طلبد. در این راستا، مدلهای استوکاستیک و هوشمند همواره مورد توجه هیدرولوژیستها بودهاند. در این پژوهش، ارزیابی مدلهای استوکاستیک خانواده ARMA، شبکه عصبی مصنوعی MLP در پیشبینی جریان ماهانه رودخانه باراندوزچای ارومیه انجام شد. شرط اساسی در کاربر مدلهای استوکاستیک نرمال بوده و ایستایی داده هاست. برای بررسی نرمال بودن داده ها از آزمون چولگی و جهت بررسی ایستایی داده ها از آزمون ADF استفاده گردید. نتایج نشان داد که سری ماهانه پس از نرمال و استاندارد شدن ایستا میباشد. برای سری ماهانه مدل 2)،ARMA(1 با داشتن کمترین مقدار معیار آکایکه اصلاح شده و با توجه به آزمون پورت مانتئو به عنوان مدل مناسب انتخاب شد. عملکرد مدل مذکور براساس آماره های NS=0.83، R=0.902 و(RMSE=2.81 (m3/sمناسب ارزیابی شد. در مجموع 10 الگوی مختلف برای پیشبینی جریان ماهانه انتخاب و به مدلها معرفی گردید. برای پیش بینی سری زمانی جریان ماهانه رودخانه باراندوزچای با استفاده از مدلهای MLP، الگوهای ورودی در دو حالت ( الف) بدون در نظر گرفتن بارش و (ب) با در نظر گرفتن بارش مورد بررسی قرار گرفت. نتایج نشان داد که در حالت اول (بدون در نظر گرفتن اثر بارش در پیشبینی جریان) رفته رفته دقت در مدلسازی افزایش یافته اما از تاخیر چهارم به بعد عملکرد مدل کاهش می یابد. با در نظر گرفتن اثر بارش نیز بهترین عملکرد مدل مربوط به الگوی B8 بود.

کلیدواژه ها

سری زمانی، آزمون چولگی، آزمون ADF، شبکه عصبی MLP، باراندوزچای.

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.