ارزیابی عملکرد مدل های SWAT و شبکه عصبی مصنوعی در تخمین رواناب ماهانه حوضه گنبرچای

سال انتشار: 1399
محل انتشار: نهمین همایش ملی سامانه های سطوح آبگیر باران
کد COI اختصاصی: RWCS09_061
زبان مقاله: فارسی
تعداد مشاهده: 470

دانلود فایل این مقاله

نویسندگان

ایوب احمدین

دانشجوی دکتری گروه آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه تبریز

امیرحسین ناظمی

استاد گروه آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه تبریز

علی اشرف صدرالدینی

ستاد گروه آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه تبریز

مهدی عینی

کارشناس ارشد آبیاری و زهکشی، شرکت آتی نگار عمران آنو

چکیده

تخمین دقیق مقدار رواناب رودخانه ها از اقدامات اساسی در مدیریت منابع آب حوضه ها می باشد. در تحقیق حاضر عملکرد مدل های SWAT ( بعنوان مدل های فیزیکی) و شبکه عصبی مصنوعی ( ANN ) )بعنوان مدل های داده کاوی) در تخمین رواناب مورد ارزیابی قرار گرفت. برای این منظور حوضه آبریز گنبرچای بعنوان منطقه مورد مطالعه انتخاب شد. در این راستا هر دو مدل SWAT و ANN برای حوضه مورد نظر تنظیم گردید. نتایج آنالیز حساسیت مدل SWAT نشان داد که پارامتر شماره منحنی ( CN2 ) بیشترین تاثیر را روی دبی خروجی حوضه گنبرچای دارد. بر اساس نتایج حاصل در دوره صحت سنجی میزان همبستگی و نش ساتکلیف بترتیب 91 / 0 و 53 / 0 برای مدل SWAT بدست آمد. همچنین نتایج نشان داد که ANN از نوع مدل MLP با آموزش لونبرگ مارکوارت با تعداد نرون - 15 با مقادیر R و NS بترتیب برابر با 82 / 0 و ( m3/sec) 44/0 در مرحله صحت سنجی بیشترین دقت را در پیش بینی یک ماه بعد رواناب ایستگاه قرمزیگل دارد. براساس نتایج تحقیق حاضر مدل SWAT با مقادیر میزان همبستگی و نش ساتکلیف بیشتر نسبت به مدل - ANN از دقت بیشتری در شبیه سازی رواناب حوضه گنبرچای برخوردار است.

کلیدواژه ها

شبیه سازی رواناب، حوضه گنبرچای، SWAT ، MLP

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.