پیش بینی کم آبی ماهانه با استفاده از یک مدل استوکستیک و سیستم استنتاج فازی مبتنی بر شبکه تطبیقی
سال انتشار: 1388
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 188
فایل این مقاله در 15 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_IWRR-5-2_003
تاریخ نمایه سازی: 1 اسفند 1401
چکیده مقاله:
آگاهی از دبی جریان و پیش بینی آن به ویژه در مواقعی که رودخانه با کم آبی مواجه است امری ضروری در جهت مدیریت بهره برداری از رودخانه است. در این مقاله به منظور مدل سازی سری های زمانی تشکیل شده از کم آبی های ماهانه و پیش بینی مقدار و زمان وقوع کم آبی ها، از یک مدل استوکستیک متداول (مدل میانگین متحرک تجمعی خودبازگشت-ARIMA) و یک مدل مبتنی بر هوش مصنوعی (سیستم استنتاج فازی مبتنی بر شبکه تطبیقی-ANFIS) استفاده شده و نتایج حاصل از دو روش با یکدیگر مقایسه شده است. مقدار عددی کم آبی در هر ماه برابر با حداقل مقدار میانگین متحرکهای یک، سه و هفت روزه دبی جریان در همان ماه در نظر گرفته شد ه و بدین ترتیب سه سری زمانی یک، سه و هفت روزه از کم آبی های ماهانه به دست آمده است. بررسی عملکرد دو مدل یاد شده با استفاده از آمار ثبت شده از دبی جریان در خروجی حوضه آبریز معرف ناورود در استان گیلان نشان داد که مدل ARIMA عملکرد بهتری در پیش بینی کم آبی های یک، سه و هفت روزه دارد. علاوه بر این، نتایج این تحقیق نشان داد که هر دو مدل ARIMA و ANFIS کم آبی های سه روزه را با خطای کمتری نسبت به کم آبی های یک و هفت روزه پیش بینی می کنند.
کلیدواژه ها:
نویسندگان
مجید خلقی
دانشیار /گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی آب و خاک، دانشگاه تهران
افشین اشرف زاده
استادیار /گروه مهندسی آب، دانشکده کشاورزی، دانشگاه گیلان
مرضیه مالمیر
دانشجوی سابق کارشناسی ارشد /مهندسی منابع آب، دانشکده مهندسی آب و خاک، دانشگاه تهران
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 :