ارزیابی دقت مدل های داده محور تصادفی و قطعی در مدل سازی و پیش بینی مقادیر دبی رودخانه (مطالعه موردی: رودخانه های غرب و جنوب غرب دریاچه ارومیه)
محل انتشار: مجله هیدروژئولوژی، دوره: 9، شماره: 2
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 96
فایل این مقاله در 14 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_HYDTR-9-2_003
تاریخ نمایه سازی: 19 فروردین 1404
چکیده مقاله:
شبیه سازی و پیش بینی جریان رودخانه جهت آگاهی از آورد رودخانه در دوره زمانی مختلف، ازجمله مسائل مهم و کاربردی در مدیریت منابع آب می باشد. لذا در پژوهش حاضر به ارزیابی و تعیین مدل مناسب پیش بینی جریان در ۷ ایستگاه آبسنجی بر روی رودخانه های غرب و جنوب غرب دریاچه ارومیه پرداخته شده است. مدل های مورداستفاده جهت دست یابی به هدف مطروحه شامل الگوهای مختلف مدل استوکاستیک ARIMA و مدل های مبتنی بر هوش مصنوعی شامل ELM، ANN و SVMبود. نتایج حاصل از به کارگیری مدل های ذکرشده نشان داد که الگوهای برازش ARIMA(۱,۰,۰) و ARIMA(۲,۰,۱) دارای عملکرد بهتر در مدل سازی جریان در رودخانه های موردمطالعه بوده، به طوری که میانگین ضریب نش-ساتکلیف دو مدل ARIMA(۱,۰,۰) و ARIMA(۲,۰,۱) به ترتیب برابر ۶۷/۰ و ۶۸/۰ حاصل شد. درحالیکه میانگین این ضریب برای مدل های داده محور ANN، SVM و ELM برای رودخانههای منطقه به ترتیب برابر ۳۸/۰، ۴۷/۰ و ۲۱/۰ برآورد گردید. ضمنا آماره ضریب همبستگی پیرسون نیز برای مدلهای استوکاستیک (۸۳/۰) به طور معنی داری بالاتر از مدلهای برتر داده محور حاصل (۶۱/۰) شد. بنابراین استفاده از مدلهای استوکاستیک نسبت به مدلهای هوش مصنوعی جهت مدلسازی و به کارگیری آنها در پیشبینی جریان رودخانهای برای آینده در منطقه مطالعاتی دارای اولویت بالاتری است.
کلیدواژه ها:
نویسندگان
فاطمه روحانی نیا
دانشجوی دکترای مهندسی منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران.
مجید منتصری
استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران.
بهزاد حصاری
دانشیار گروه مهندسی آب، دانشکده کشاورزی و پژوهشکده مطالعات دریاچه ارومیه، دانشگاه ارومیه، ارومیه، ایران.
جلال شیری
دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران.
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 :