ارزیابی تاثیر سیگنال های مختلف ورودی بر میزان کارایی مدل های شبکه عصبی مصنوعی در شبیه سازی هوشمند هیدروگراف سیل
سال انتشار: 1389
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 90
فایل این مقاله در 5 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_JWMS-4-11_006
تاریخ نمایه سازی: 5 دی 1402
چکیده مقاله:
تخمین مشخصات هیدروگراف سیل در رودخانه ها یکی از مسائل مورد علاقه پژوهشگران علوم آب و هیدرولوژی می باشد. در این پژوهش توانایی مدل های شبکه عصبی مصنوعی جهت شبیهسازی هیدروگراف سیل ورودی به سد مخزنی شیرین دره در استان خراسان مورد بررسی قرار گرفته است. بدین منظور تمامی هیدروگراف های سیل ثبت شده در ایستگاه هیدرومتری موجود در بالادست مخزن سد گردآوری و مقادیر دبی سیل با استفاده از روابطه مربوطه استاندارد شد. در ادامه چهار الگوی ورودی بر مبنای استفاده از دبی سیل در ساعات گذشته (یعنی ۲، ۳، ۴ و ۵ ساعت قبل) طراحی شدند. به منظور بررسی اثر تعداد پارامترهای ورودی بر دقت تخمین، در هر الگو نیز چهار سیگنال بر اساس تاخیر دبی سیل طراحی و مورد ارزیابی قرار گرفتند. به منظور ارزیابی تاثیر افزایش آموزش مدل در بهبود عملکرد آن، معیارهای آماری متعددی همچون خطای حجم سیل، خطای دبی اوج، خطای زمان تا اوج و معیار ناش- ساتکلیف در هر سیگنال ورودی محاسبه و مورد ارزیابی قرار گرفتند. نتایج نشان می دهد که با افزایش زمان تاخیر دقت شبیهسازی کمتر میشود. همچنین به ازاء یک زمان تاخیر معین، با افزایش تعداد ورودی ها (دبی در ساعتهای قبل)، نیز دقت نتایج افزایش مییابد. به طوریکه با افزایش تعداد ورودی ها در الگوی اول، میزان ضریب ناش- ساتکلیف از مقدار ۷۹/۰ به ۹۱/۰ برای سیگنال چهارم افزایش یافت.
کلیدواژه ها:
Flood Hydrograph ، Artificial Neural Network ، Shirindarreh Reservoir Dam Basin ، Learning Algorithms and Transfer Function. ، هیدروگراف سیل ، شبکه عصبی مصنوعی ، حوزه آبخیز سد شیرین دره ، الگوریتم یادگیری و تابع انتقال.
نویسندگان
حمید پهلوانی
Gorgan University of Agricultural Sciences and Natural
عبدالرضا بهره مند
Gorgan University of Agricultural Sciences and Natural
امیر احمد دهقانی
Gorgan University of Agricultural Sciences and Natural