برآورد دبی جریان رودخانه در شبکه عصبی مصنوعی با استفاده از شاخص های اقلیمی و کاربردی اراضی (مطالعه موردی:حوزه آبخیز رودخانه خرم آباد)

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 466

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NACONF01_0263

تاریخ نمایه سازی: 25 خرداد 1393

چکیده مقاله:

از آنجا که پیش بینی جریان رودخانه در منابع آب از اهمیت زیادی در توسعه پایدار برخوردار می باشد، در این مطالعه با استفاده از شبکه عصبی مصنوعی اقدام به تعیین دبی جریان با استفاده از ورودی های دما، بارش، تبخیر، کاربری (جنگل و کشاورزی) و شماره منحنی CN شد. حوزه آبخیز رودخانه خرم آباد دارای مساحتی حدود 1664 کیلومترمربع می باشد دارای ایستگاه هیدرومتری چم انجیر در خروجی می باشد که از 19 سال آمار روزانه این ایستگاه در شبیه سازی استفاده شد. در فرایند شبیه سازی از مقایسه مجموع کل داده های مشاهداتی و برآوردی با شاخص های آماری خطا در شبکه عصبی مصنوعی با مقدار ضریب همبستگی (0/72) ، میانگین مربعات خطا (0/0015)، جذر میانگین مربعات خطا (0/039)، باقیمانده جذر میانگین مرعبات خطا (0/76)، میانگین انحراف نسبی (0/000064) و میانگین درصد خطا (44/45) دارای معماری شبکه 6-9-1 می باشد که نتایج حاصله نشان دهنده دقت مناسب شبکه عصبی مصنوعی در شبیه سازی دبی متوسط روزانه با پارامترهای اقلیمی، کاربری و شماره منحنی CN می باشد و می توان چنین نتیجه گیری نمود که روش شبکه عصبی مصنوعی جواب بهینه ای در شبیه سازی براساس پارامترهای فوق می دهد و از دقت مناسبی جهت پیشبرد اهداف در توسعه پایدار برخوردار می باشد.

نویسندگان

موسی بشارت جهان

دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه لرستان

آباد ناصر طهماسبی پور

استادیار دانشگاه لرستان،دانشکده کشاورزی

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 :
  • اراهیم زاده. س، بوستانی. ف، (1388)، بررسی توابع چگالی احتمال ...
  • برهانی داریان ع، فاتحی مرج ا، 1387، کاربرد شبکه عصبی ...
  • بهاروندی. ن، ذوالفقاری. ح، طهماسبی. ن، (1390)، بررسی هیدروکلیماتولوژی روابط ...
  • پهلوانی. ح، بهرمند. ع، دقانی. ا، سعدالدین. ا، 130)، ارزیابی ...
  • _ احمدی م، 138، شبیه سازی فرایند بارش رواناب با ...
  • دستورانی. م، شریفی دارانی. ح، طالبی. ع، _ کارایی شبکه ...
  • رضوی. س و کارآموز. م، (1382)، استفاده از شبکه های ...
  • زاع ابیانه. ح و بیات ورکشی. م، (1390)، ارزیابی مدل ...
  • سماعی، ر. لشنی زاده. م. پروانه، ب. (1386) بارش‌های مولد ...
  • لاحقو یالستانی م، شریفی م، 1390 مقایسه عملکرد شبکه های ... [مقاله کنفرانسی]
  • 1- مجتمع ملی آموزشی و پژوهشی صنعت آب برق خوزستان، ...
  • معیری. م، نیک پور. م. ر، حسین زاده دلیر. ع ...
  • نصری م، مدرس ر، دستورانی م، 1388، کاربرد مدل شبکه ...
  • شناسایی داده‌های پرت در آنالیز منطقه‌ای سیلاب به روش آنالیز مولفه‌های اصلی [مقاله کنفرانسی]
  • Amad, S. Simonovic, S. (2005). Artificial neural network modl for ...
  • Bisht, D. C. S, Raju, M. M, Joshi, M. C. ...
  • Demuth, H. Beale, M. 2000. Neural Network Toolbox User, s ...
  • نمایش کامل مراجع