ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مقایسه دقت پیش‌بینی و برآورد رواناب با استفاده از مدل‌های SWAT و هوش مصنوعی در رودخانه میناب

سال انتشار: 1398
کد COI مقاله: JR_JWEM-11-3_019
زبان مقاله: فارسیمشاهده این مقاله: 38
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه دقت پیش‌بینی و برآورد رواناب با استفاده از مدل‌های SWAT و هوش مصنوعی در رودخانه میناب

محمد غلامپور - استادیار، پژوهشی بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی هرمزگان، سازمان تحقیقات، آموزش و ترویج کشاورزی، هرمزگان، ایران
عبدالحلیم غزالی - استادیار، دانشگاه UPM مالزی
احمد رودزی - استادیار، دانشگاه UPM مالزی
شهاب عراقینژاد - دانشیار، دانشکده کشاورزی، دانشگاه تهران

چکیده مقاله:

در مناطق خشک همانند سطح عظیمی از ایران، انسان همواره با کمبود آب مواجه بوده و هست. جمع‌آوری آب به‌ویژه در بهره‌برداری صحیح از آب‌های موجود در مناطق خشک، می‌تواند موثر باشد. تنوع اقلیم در ایران با وجود میانگین بارندگی کمتر از یک سوم جهانی، بالا است، حتی در مناطق جنوبی کشور و در مقیاس کوچک، از جمله میناب و محل سد احداثی استقلال هم، که بارندگی به یک سوم میانگین کشوری می‌رسد،‌ این تنوع اقلیمی به خوبی مشاهده می‌شود. در شرایط کنونی، روند بارندگی‌ها در میناب نیز تغییر کرده، طول دوره خشکسالی‌ها افزایش یافته است. سامانه‌های بهره‌برداری استاندارد طراحی شده قبلی برای برآورد آب ورودی به مخازن سدها همانند سد استقلال میناب، پاسخگوی مصارف نیست. لذا، استفاده از روش‌های جدید در افزایش دقت و همچنین، پیش‌بینی رواناب حوضه رودخانه میناب امری کاملا ضروری به نظر می‌رسد. برای رسیدن به این هدف، استفاده از مدل‌های فیزیکی و عددی در برآورد و پیش‌بینی دقیق‌تر از اهمیت خاصی برخوردار است. در این تحقیق، از دو مدل SWAT و هوش مصنوعی FTDNN برای برآورد و پیش‌بینی رواناب استفاده شده است. واسنجی، اعتبارسنجی و پیش‌بینی رواناب با استفاده از لایه‌های خاک، کاربری اراضی، توپوگرافی و داده‌های هیدروکلیماتولوژی در مقیاس سالانه و ماهانه انجام شد. مقادیر معیارهای ارزیابی همچون میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) برای دو مدل در مرحله واسنجی در دوره سالانه برای مدل  SWATبه‌ترتیب برابر با 6.89 و 8.37 و در FTDNN برابر با 5.35 و 7.76 برآورد شدند. ضریب خطی رگرسیون R2 در مرحله واسنجی در مقیاس ماهانه به‌ترتیب معادل 0.96 و 0.89 برای SWAT و این شاخص در مقیاس سالانه معادل 0.89 و 0.49 برای FTDNN است. ضریب خطی رگرسیون در مرحله اعتبارسنجی دو روش مذکور به‌ترتیب در مقیاس ماهانه 0.98 و 0.6 و در مقیاس سالانه 0.94 و 0.97 در دو مدل را نشان می‌دهد. نتایج حاصل از مقایسه معیارهای ارزیابی دو مدل حاکی از آن است که مدل هوش مصنوعی FTDNN از دقت و کارایی بیشتری نسب به مدل SWAT برخوردار است.

کلیدواژه ها:

خشکسالی, سد استقلال, مناطق خشک, میانگین بارندگی, FTDNN

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JWEM-11-3_019 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1153238/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
غلامپور، محمد و غزالی، عبدالحلیم و رودزی، احمد و عراقینژاد، شهاب،1398،مقایسه دقت پیش‌بینی و برآورد رواناب با استفاده از مدل‌های SWAT و هوش مصنوعی در رودخانه میناب،،،،،https://civilica.com/doc/1153238

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، غلامپور، محمد؛ عبدالحلیم غزالی و احمد رودزی و شهاب عراقینژاد)
برای بار دوم به بعد: (1398، غلامپور؛ غزالی و رودزی و عراقینژاد)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: سازمان تحقیقات کشاورزی
تعداد مقالات: 202
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی