برآورد رواناب حوضه بار اریه با استفاده از مدل های WetSpa و شبکه عصبی مصنوعی

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 360

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GEOP-21-62_007

تاریخ نمایه سازی: 14 آبان 1400

چکیده مقاله:

برآورد صحیح رواناب حوضه نقش بسیار مهمی در مدیریت آن دارد. تا به حال محققین زیادی از مدل های یکپارچه، توزیعی و هم چنین از روش های هوشمند مصنوعی به منظور برآورد رواناب حوضه استفاده نمودند. در تحقیق حاضر برای برآورد آبدهی حوضه بار اریه با مساحتی معادل با ۱۱۲ کیلومتر مربع و متوسط بارش سالانه ۷۲/۳۰۶ میلی متر از دو مدل توزیعی WetSpa و مدل هوشمند شبکه عصبی مصنوعی ANN استفاده گردید. به منظور اجرای مدل WetSpa از دو دسته اطلاعات شامل نقشه های رستری و اطلاعات هواشناسی و برای مدل شبکه عصبی مصنوعی تنها از اطلاعات هواشناسی استفاده گردید. اجرای مدل های مذکور در دوره ی ۵ ساله صورت پذیرفت. به منظور مقایسه نتایج مدل ها، از معیارهای ارزیابی ضریب همبستگی R۲، مجذور میانگین خطای استاندارد RMSE و میانگین قدر مطلق خطا MAE استفاده شد. نتایج بدست آمده نشان داد مدل WetSpa با R۲و RMSE برابر با  m۳/s۹۲۰/۰ وm۳/s  ۳۴۶/۰ و هم چنین مدل شبکه عصبی مصنوعی با   R۲و RMSE برابر با m۳/s ۹۵۹/۰ و m۳/s ۳۱۰/۰ توانایی شبیه سازی جریان رودخانه بار اریه را دارند. هم چنین استفاده از مدل شبکه عصبی مصنوعی موجب کاهش خطای برآورد رواناب حوضه به مقدار ۶/۱۱ درصد در مقایسه با مدل WetSpa شده است.

نویسندگان

حسین رحمتی

دانشجوی دکتری رشته ی مهندسی آبیاری و زهکشی، دانشگاه شهید چمران اهواز، دانشکده مهندسی علوم آب

صمد امامقلی زاده

دانشیار رشته ی سازه های آبی، عضو هیئت علمی گروه آب و خاک دانشکده کشاورزی دانشگاه شاهرود

حسین انصاری

استاد گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد