شبیه سازی دبی رودخانه ایستگاههای هیدرومتری حوضه آبریز کرخه با استفاده از مدلهای فراابتکاری

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 90

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HYD-12-44_005

تاریخ نمایه سازی: 12 آبان 1404

چکیده مقاله:

اندازه گیری دبی رودخانه همواره یکی از چالش های اساسی در مدیریت رودخانه است. استفاده از ابزارهای دقیق برای محاسبه آن ضروری است. روش های عددی، تحلیلی، هوش مصنوعی و تجربی، رایج ترین روش ها برای اندازه گیری جریان روزانه رودخانه هستند. در این تحقیق، یک مدل هوشمند ترکیبی مبتنی بر رویکرد مدل رگرسیون بردار پشتیبان برای شبیه سازی دبی رودخانه توسعه داده شده است. بدین منظور در این پژوهش از سه الگوریتم بهینه سازی شامل موجک، تفنگدار خلاق و عنکبوت بیوه سیاه برای شبیه سازی دبی رودخانه استفاده شد. جهت مدلسازی از آمار و اطلاعات ایستگاه های هیدرومتری حوضه آبریز کرخه شامل چم انجیر، کشکان، پل زال و جلوگیر بعنوان مطالعه موردی طی۴ سناریو ترکیبی از پارامترهای ورودی در سالهای ۱۳۷۲ تا ۱۴۰۲ استفاده شد. به منظور ارزیابی عملکرد مدلها از معیارهای ارزیابی ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف استفاده شد. همچنین جهت تحلیل نتایج مدلها از نمودار پراکنش و خطای نسبی و تیلور استفاده شد. نتایج نشان داد سناریو های ترکیبی در مدلهای مورد بررسی باعث بهبود عملکرد مدل می شود. همچنین نتایج حاصل از معیار ارزیابی نشان داد مدل رگرسیون بردار پشتیبان-موجک دارای ضریب همبستگی ۹۷۴-۹۴۱/۰ ، ریشه میانگین مرعات خطا (m۳/s) ۰۵۴-۰۲۲/۰ ، میانگین قدر مطلق خطا (m۳/s) ۰۱۱-۰۲۵/۰ و ضریب نش ساتکلیف ۹۸۶-۹۶۲/۰ در مرحله صحت سنجی برخوردار است. در مجموع نتایج نشان داد استفاده از مدلهای هوشمند مبتنی بر رویکرد رگرسیون بردار پشتیبان می تواند رویکردی موثر در پایداری مهندسی رودخانه باشد.

نویسندگان

رضا دهقانی

دکترای علوم ومهندسی آب، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات،

رضا چمن پیرا

استادیار پژوهشی بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات، آموزش

طاهر فرهادی نژاد

استادیار پژوهشی بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات، آموزش

الهام داوودی

دکترای علوم ومهندسی آبخیزداری ، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان

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 :
  • Alizadeh, F., Gharamaleki, A., Jalilzadeh, M. and Akhoundzadeh, A. ۲۰۲۰. ...
  • Basak, D., Pal, S., and Patranabis, D.C.(۲۰۰۷). Support vector regression. ...
  • Brierley GJ, Fryirs KA (۲۰۱۳) Geomorphology and river management: applications ...
  • Dehghani, R., Babaali, H.(۲۰۲۳). Evaluation of Statistical Models and Modern ...
  • Dehghani, R., Torabi Poudeh, H., Younesi, H., Shahinejad, B. ۲۰۲۰.. ...
  • Dehghani, R., Torabi Poudeh, H., Younesi, H., Shahinejad, B.(۲۰۲۰). Daily ...
  • Dehghani, R., Torabi, H.(۲۰۲۱). Dissolved oxygen concentration predictions for running ...
  • Goorani Z, Shabanlou S (۲۰۲۱) Multi-objective optimization of quantitative-qualitative operation ...
  • Kisi, O., Karahan, M., Sen, Z. (۲۰۰۶). River suspended sediment ...
  • Kohansarbaz, A., Yaghoubi, B., Shabanlou, S. Yosefvand. F.,Izadbakhsh, M.A., Rajabi, ...
  • Marlia M, Syaharuddin S, Handy MRN, Subiyakto B, Ilhami MR ...
  • Mazraeh A, Bagherifar M, Shabanlou S, Ekhlasmand R (۲۰۲۴) A ...
  • Nagy, H., Watanabe, K., Hirano, M. (۲۰۰۲). Prediction of sediment ...
  • Parisouj P, Mohebzadeh H, Lee T (۲۰۲۰) Employing machine learning ...
  • Pijarski, P., & Kacejko, P. ۲۰۱۹. A new metaheuristic optimization ...
  • Rajaee, T., Nourani, V., Zounemat-Kermani, M., Kisi, O. ۲۰۱۱. River ...
  • Sahoo, A., Singh, U. K., Kumar, M. H., & Samantaray, ...
  • Sebastian, P.A., & Peter, K.V. ۲۰۰۹. Spiders of India. Universities ...
  • Shin, S., Kyung, D., Lee, S., Taik & Kim, J., ...
  • Vapnik, V., Chervonenkis, A.(۱۹۹۱). The necessary and sufficient conditions for ...
  • Vapnik, V.N. (۱۹۹۵).The nature of statistical learning theory. Springer, New ...
  • Vapnik, V.N.(۱۹۹۸). Statistical learning theory. Wiley, New York, ۴(۱), ۲۵۰-۳۲۰ ...
  • Wang, D., Safavi, A.A., and Romagnoli, J.A. (۲۰۰۰) Wavelet-based adaptive ...
  • Yildiz BS, Pholdee N, Bureerat S, Yildiz AR, Sait SM ...
  • Zeidalinejad, N., Dehghani, R.(۲۰۲۳). Use of meta-heuristic approach in the ...
  • Zhao G, Bates P, Neal J, Pang B (۲۰۲۱) Design ...
  • Zounemat-Kermani, M., Kisi, O., Adamowski, J., Ramezani-Charmahineh, A. (۲۰۱۶).Evaluation of ...
  • نمایش کامل مراجع