مدل سازی جریان ماهیانه ورودی به مخزن سدهای ملاصدرا و درودزن توسط شبکه های عصبی مصنوعی و مقایسه با روش معمول زنجیره مارکف
- سال انتشار: 1390
- محل انتشار: شرکت سهامی آب منطقه ای فارس
- کد COI اختصاصی:
- زبان مقاله: فارسی
- تعداد مشاهده: 288
نویسندگان
چکیده
< p> پیش بینی حجم جریان ماهیانه ورودی به مخازن سدها در مدیریت مخزن و برآورد منابع آب آشامیدنی و کشاورزی از اهمیت< br /> ویژه ای برخوردار است. این موضوع در مناطق خشک و نیمه خشک به دلیل فقدان داده های مشاهداتی ضرورتی دوچندان می یابد.< br /> در این مطالعه از شبکه های پرسپترون چندلایه با چهار الگوریتم آموزشی SCG. RP, GDX, LM و تابع محرک تانژانت< br /> سیگموئید جهت پیش بینی حجم جریان ماهیانه ورودی به مخزن سد درودزن (سال های آبی ۱۳۸۸-۱۳۵۵) در استان فارس استفاده < br /> گردید. هشت ساختار متفاوت از ورودی ها برای آموزش شبکه مورد استفاده قرار گرفت تا حجم جریان ورودی به مخزن را برای< br /> ماه آینده (Vt+۱) پیش بینی کند. همچنین نتایج تحلیل خودهمبستگی نشان داد که داده های حجم جریان، بارش متوسط وزنی،< br /> تبخیر و دبی ایستگاه چمریز با دو ماه تاخیر زمانی بایستی برای مدلسازی و به عنوان داده های ورودی به مدل ها مورد استفاده قرار< br /> گیرند. از میان ساختارهای مختلف توسعه یافته شبکه پرسپترون، ساختار هشتم با توپولوژی ۱-۳-۸ (۸ نزرون در لایه ورودی، ۳< br /> نرون در لایه میانی و یک نرون در لایه خروجی) برای شبیه سازی حجم جریان ماهیانه ورودی به مخزن سد درودزن بهترین نتایج< br /> را بهمراه داشت. مقادیر R۲ و RMSE برای بهترین شبکه آموزش یافته به ترتیب برابر با ۰/۶۴ و ۳۴/۶۰ میلیون متر مکعب می < br /> باشند. صحت سنجی مدل شبکه پرسپترون و همچنین برنامه پایش و پیش بینی خشکسالی و ترسالی (دوره های کاهش جریان و< br /> افزایش جریان بر اساس مدل مارکف) نشان داد که هر دو مدل به خوبی توانسته اند شرایط رطوبتی خشکسالی را تشخیص داده و< br /> مدل شبکه پرسپترون در مواردی مقادیر حجم جریان را بسیار نزدیک به واقعیت شبیه سازی کرده است. بنابراین مدل توسعه یافته و< br /> رابط گرافیکی کاربر (GUI) که بدین منظور در محیط نرم افراز MATLAB ارائه گردیده است می تواند به مدیریت بهینه منابع< br /> آب، تامین آب شرب و تخصیص آب کشاورزی کمک شایانی داشته باشد.< /p>کلیدواژه ها
جریان ماهانه ورودی، شبکه عصبی مصنوعی، پرسپترون چند لایه، سد درودزن، سد ملا صدرا، مدیریت مخزناطلاعات 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.