پیش بینی جریان ورودی به مخزن سد کمال صالح با استفاده از محاسبات نرم

  • سال انتشار: 1394
  • محل انتشار: مهندسی آبیاری و آب ایران، دوره: 6، شماره: 2
  • کد COI اختصاصی: JR_WATER-6-2_005
  • زبان مقاله: فارسی
  • تعداد مشاهده: 263
دانلود فایل این مقاله

نویسندگان

نازنین شاه کرمی

استادیار، گروه عمران، دانشگاه اراک، اراک،

هادی ثانی خانی

عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد تبریز

مجتبی مرادی

رئیس گروه مطالعات آب سطحی، شرکت سهامی آب منطقه ای مرکزی، اراک

چکیده

چکیده پیش­بینی جریان ورودی به مخازن سدها به منظور انجام برنامه­ریزی و بهره­برداری مناسب منابع آب لازم و ضروری است. در این تحقیق عملکرد دو مدل هوشمند شبکه­های عصبی مصنوعی و سامانه استنتاج فازی- عصبی تطبیقی مبتنی بر روش دسته­بندی تفریقی در پیش­بینی جریان ورودی به سد کمال صالح در استان مرکزی مورد بررسی قرار گرفت. بدین منظور از داده­های جریان و بارش در یک دوره آماری ۳۱ ساله (۱۳۹۰- ۱۳۶۰)استفاده شد و پیش­بینی جریان در گام­های زمانی روزانه و ماهانه انجام شد. از مقادیر دبی جریان و بارش در گام­های زمانی قبلی به عنوان الگوهای ورودی مدل­ها استفاده شد. عملکرد هر دو مدل در پیش­بینی­های روزانه و ماهانه جریان بر اساس مقادیر شاخص­های خطای R، RMSE و MAE بسیار مطلوب بود، هرچند عملکرد مدل فازی- عصبی بهتر از مدل شبکه­های عصبی بود (کمتر از ۳ درصد). استفاده از ضریب فصلی موجب بهبود عملکرد مدل­ها در پیش­بینی­های ماهانه شد. در ادامه، اثرات متغیرهای اقلیمی بزرگ مقیاس شامل شاخص نوسانات آتلانتیک شمالی و شاخص نوسانات جنوبی در پیش­بینی­های ماهانه حاصل از الگوی بهینه مدل برتر بخش قبل، مورد بررسی قرار گرفت. نتایج به دست آمده حاکی از آن بود که استفاده از شاخص­های اقلیمی در ترکیب الگوهای ورودی، می­تواند موجب بهبود عملکرد مدل در پیش بینی­های جریان ورودی گردد. در این میان شاخص نوسانات جنوبی تاثیر بیشتری بر بهبود پیش­بینی دبی جریان ماهانه داشت. به طوریکه، مقدار شاخصهای آماری تحلیل خطای مدل فازی- عصبی شامل R، RMSE و MAE به ترتیب برابر ۹۱/۰، ۵۶/۳، ۷۳/۳ به دست آمدند که نشان­دهنده توان افزایش دقت مدل با بهبود شاخصهای خطا به ترتیب به میزان ۱۱، ۹ و ۱۱ درصد می­باشد.

کلیدواژه ها

پیش بینی, دسته بندی تفریقی, شاخص های اقلیمی, شبکه های عصبی, فازی-عصبی تطبیقی

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.