ارزیابی قابلیت مدلهای هوشمند درتخمین جریان رودخانه سقز چای دربالادست مخزن سدشهیدکاظمی بوکان

  • سال انتشار: 1392
  • محل انتشار: همایش ملی مهندسی عمران کاربردی و دستاوردهای نوین
  • کد COI اختصاصی: ACA01_069
  • زبان مقاله: فارسی
  • تعداد مشاهده: 865
دانلود فایل این مقاله

نویسندگان

خانلار مشاری

دانش اموخته کارشناسی ارشد عمران آب دانشگاه آزاد اسلامی واحد مراغه

محمدعلی قربانی

دانشیارگروه مهندسی آب دانشگاه تبریز ایران

رسول دانشفراز

استادیار گروه مهندسی عمران دانشگاه مراغه مراغه ایران

چکیده

تخمین میزان دبی جریان رودخانه ها به منظور مدیریت و برنامه ریزی منابع آب در رودخانه ها دریاچه ها مخازن سدها، کنترل سیلاب ها و همچنین جهت حفاظت از کناره های رودخانه در زمان وقوع سیلاب بسیار ضروری می باشد .هدف از این تحقیق بررسی قابلیت مدل های هوشمند از قبیل برنامه ریزی ژنتیک شبکه عصبی مصنوعی به منظور تخمین دبی در رودخانه سقز ای بوده است. در این راستا، داده های مربوط به سال های 1386-1390 دبی روزانه جریان رودخانه در ایستگاه هیدرومتری دره پنبه دان واقع بر رودخانه سقز چای در بالادست سد بوکان در استان آذربایجان غربی مورد استفاده قرار گرفت اگرچه در دهه اخیر تحقیقات متنوعی در خصوص کاربرد مدل های هیدرولوژیکی جعبه سیاه متکی بر شبکه های عصبی مصنوعی و برتری دقت این مدل ها بر روابط تجربی ارائه شده است ولی به دلیل غیرصریح بودن آنها در عمل به طور مناسب توسعه نیافته است در تحقیق حاضر رابطه صریح ریاضی با استفاده از برنامه ریزی ژنتیک برای تخمین میزان دبی جریان رودخانه ها ارائه شده است . و در مدل های مورد استفاده برای تخمین دبی جریان از داده های دبی جریان روزانه پیشین تا 10 تاخیر زمانی در مقیاس روز در نظر گرفته شده است .که با استفاده از نرم افزار SPSS بهترین ترکیب مدل ها در 5 نوع داده متفاوت استفاده و با یک فرآیند آموزش عمل تخمین انجام گرفت نتانیج با داده های مشاهداتی توسط معیارهای جذر میانگین مربعات خطا RMSE و ضریب تعیین R2 برای ارزیابی دقت مدل ها مورد بررسی و مقایسه قرار گرفت نتایج حاصل حاکی از دقت بالای شبکه عصبی مصنوعی در مقایسه با برنامه ریزی ژنتیک و کارایی آن در تخمین میزان دبی جریان رودخانه ها می باشد

کلیدواژه ها

تخمین ، برنامه ریزی ژنتیک ، شبکه عصبی مصنوعی ، سقزچای

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.