ترکیب بهینه متغیرها برای شبیه سازی رواناب در حوزه آبخیز امامه با استفاده از آزمون گاما
محل انتشار: فصلنامه دانش آب و خاک، دوره: 23، شماره: 4
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 266
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WASO-23-4_005
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
رواناب ناشی از بارش یک فرایند پیچیده و غیرخطی بوده و بنابراین، مدلسازی آن چندان آسان نیست. هدف این مطالعه کاربرد آزمون گاما برای انتخاب ترکیب بهینه متغیرهای ورودی در مدلسازی رواناب رودخانه حوزه آبخیز امامه میباشد. برای تعیین بهینه تعداد دادههای مورد نیاز برای مدلسازی از آزمون M استفاده شد. دادههای بارندگی P(t) و روانابR(t) در مقیاس روزانه و در طول دوره آماری ۱۳۸۸- ۱۳۷۹ استفاده شد. همچنین هشت متغیر ورودی شامل سری مربوط به جریان با تاخیر یک روزه (R(t-۱))، دو روزه (R(t-۲))، سه روزه (R(t-۳)) و چهار روزه (R(t-۴))، سری بارندگی روزانه بدون تاخیر زمانی (P(t)) و با تاخیرهای یک روزه (P(t-۱))، دو روزه (P(t-۲)) و سه روزه (P(t-۳)) استفاده شد. مدلسازی جریان آب رودخانه با استفاده از تعداد نقاط بهینه متغیرهای منتخب با روشهای شبکه عصبی مصنوعی و رگرسیون خطی محلی انجام شد. نتایج نشان داد که شش متغیر شامل P(t)، P(t-۱)، P(t-۲)، P(t-۳)، R(t-۱) و R(t-۲) بهینه ترکیب متغیرها در مدلسازی جریان رودخانه حوزه مذکور میباشند. همچنین با استفاده از خروجی آزمون M تعداد ۱۴۰۵ داده برای بخش آموزش مدلسازی مناسب تشخیص داده شد. نتایج حاکی از این واقعیت است که روش رگرسیون خطی محلی LLR)) در قسمت آموزش از دقت بالاتری نسبت به روش شبکههای عصبی مصنوعی برخوردار است، در حالیکه در مرحله تست مدل، روش شبکه عصبی از دقت بیشتری برخوردار بود. مقدار R۲ و RMSE روش LLR در بخش آموزش بترتیب معادل ۹۶/۰ و ۷/۱ بدست آمد.
کلیدواژه ها:
نویسندگان
علیرضا شریفی
دانشجوی سابق کارشناسی ارشد منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
یعقوب دین پژوه
دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
احمد فاخری فرد
استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
علیرضا مقدم نیا
دانشیار، گروهاحیایمناطقخشکوکوهستانی،دانشکدهمنابعطبیعی،دانشگاهتهران