ارزیابی کارایی دو مدل نروفازی و هیبرید موجکی- عصبی در پیش بینی جریان رودخانه (مطالعه موردی: حوضه محمد آباد)
محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 10، شماره: 19
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 295
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMR-10-19_019
تاریخ نمایه سازی: 4 مهر 1400
چکیده مقاله:
از مهمترین مسائل در مدیریت حوزه های آبخیز، پیشبینی فرآیندهای هیدرولوژیکی بارش- رواناب میباشد. استفاده از مدلهای جدید در این زمینه می تواند به مدیریت و برنامهریزی صحیح کمک کند. علاوه بر آن پیشبینی جریان رودخانه، مخصوصا در شرایط سیلابی، به مسئولان این امکان را خواهد داد که با آمادگی خسارت ناشی از سیل را کاهش دهند. با توجه به اهمیت پیشبینی جریان رودخانه در مدیریت منابع آب روشهای مختلفی برای مدل کردن جریان رودخانه ها به کار برده می شوند، تا بتوان با به کارگیری این مدل در مدیریت خشکسالی و سیلاب خسارات ناشی از آنها را به حداقل ممکن رساند. در این مطالعه برای پیشبینی سری زمانی جریان روزانه ایستگاه آب سنجی سرمو واقع بر رودخانه محمدآباد، مدل نروفازی و هیبرید موجکی- عصبی مورد استفاده قرار گرفت. برای این هدف سری زمانی اصلی به مدت ۲۸ سال به وسیله تبدیل موجکی به سه زیر سری و با موجک مادر دابچیز نوع چهارم انجام شد. مقدار ضریب همبستگی در مدل نروفازی ۸۸/۰ و در مدل هیبرید موجکی-عصبی ۹۵/۰ بهدست آمده است و نیز پارامترهای ارزیابی RMSE، MSE، NS در مدل موجکی- عصبی به ترتیب ۰۰۴/۰، ۰۴۳/۰ و ۹۱/۰ و در مدل نروفازی به ترتیب ۳۲/۰، ۱۰/۰ و ۷۷/۰ بدست آمد. در نهایت نتایج حاصل از تبدیل موجکی- عصبی با نتایج حاصل از نروفازی، مقایسه و ملاحظه شد که روش موجکی- عصبی نسبت به روش نروفازی دقت پیشبینی بالاتری دارد.
کلیدواژه ها:
Daily flow time series ، Flow forecasting ، Neuro-fuzzy model ، Wavelet -neural model ، پیش بینی جریان ، سری زمانی جریان روزانه ، مدل نروفازی ، مدل هیبرید عصبی- موجکی
نویسندگان
فریبا نیرومند فرد
Faculty of Agriculture, Department of Water Engineering, University of Birjand
عباس خاشعی سیوکی
Faculty of Agriculture, Department of Water Engineering, University of Birjand
علی شهیدی
Faculty of Agriculture, Department of Water Engineering, University of Birjand
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :