کاربرد هوش مصنوعی در مدل سازی بارش- رواناب با استفاده از سری های زمانی رفع نویز شده موجکی

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 60

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICACU03_1252

تاریخ نمایه سازی: 29 فروردین 1403

چکیده مقاله:

مدیریت منابع آب در عصر حاضر از اهمیت ویژه ای برخوردار شده است . طراحی بهینه پروژه های آبیاری ، توسعه و مدیریت بهره برداری از منابع آب خصوصا در دوره های خشکسالی و مدیریت سیلاب به منظور کاهش زیانهای ناشی از وقوع آن به شدت تابع سطح دقت بکار رفته در شبیه سازی بارش - رواناب خواهد بود. لذا برحسب استفاده از روشهای گوناگون ، انواع مدلها توسعه یافته اند. اخیرا در این راستا، مدلهای مختلف جعبه سیاه برای شبیه سازی چنین پدیده پیچیده ای به کاررفته اند. مدلهای داده محور وابستگی زیادی به کیفیت دادهها دارند و دادههای دارای نویز۱ کارایی مدلها را تحت تاثیر قرار داده و رفع نویز از دادهها با استفاده از یک روش مناسب می تواند منجر به کارایی بهتر مدلهای داده محور شود. لذا دراین مقاله با استفاده ازروش رفع نویز موجکی اقدام به رفع نویز از سری های زمانی روزانه کرده و سپس با تشکیل مجموعه های آموزشی مختلف رفع نویز شده، شبیه سازی بارش - رواناب ایستگاه مراکند واقع درحوضه آبریز آغ چای درکشو ایران با استفاده از مدل جعبه سیاه شبکه عصبی مصنوعی انجام شده است . مقایسه مدل های مختلف با استفاده از دو پارامتر آماری ضریب تبیین و جذرمیانگین مربعات خطا صورت گرفته است . نتاج نشان می دهند که . بهترین مدل در مرحله رفع نویز موجکی در شبکه عصبی ، مدلی است که با موجک مادر Db۲ و سطح تفکیک پذیری ۹ رفع نویز شده است . نتایج مدل سازی ۲ANN با دادههای رفع نویز شده در مقایسه با مدل سازی با دادههای پردازش نشده بهبود ۵/۱۸ درصدی در مرحله آزمایش را نشان می دهد

کلیدواژه ها:

مدل سازی بارش - رواناب ، شبکه عصبی مصنوعی ، رفع نویز موجکی ، ضریب تبیین ، حوضه آبریز آغ چای .

نویسندگان

افشین پرتویان

استادیارگروه عمران، گروه عمران، واحد بوکان، دانشگاه آزاد اسلامی، بوکان، ایران