پیش بینی دبی با استفاده از روش های شبکه عصبی مصنوعی و آریما (مطالعه موردی: حوزه آبخیز زهره)

  • سال انتشار: 1393
  • محل انتشار: دومین کنفرانس ملی مدیریت و مهندسی سیلاب با رویکرد سیلابهای شهری
  • کد COI اختصاصی: IFMC02_064
  • زبان مقاله: فارسی
  • تعداد مشاهده: 617
دانلود فایل این مقاله

نویسندگان

عبدال شهریور

عضو هیئت علمی مرکز تحقیقات کشاورزی

مجید خزایی

دانشجوی دکتری آبخیزداری

چکیده

پیش بینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص می باشد. تحقیق حاضر با هدف مقایسه بین مدل های مختلف شبکه عصبی مصنوعی و سری های زمانی آریما (ARIMA) در برآورد دبی در ایستگاه بریم آبخیز زهره که دارای آمار بارندگی، دبی در طی دوره مشترک آماری بودند پی ریزی شد. در روش شبکه عصبی مصنوعی از توابع محرک سیگموئیدی و ضریب یادگیری یک که با استفاده از آزمون و خطا به دست آمد استفاده کردیم. همچنین در روش آریما از یک مدل های مختلف روشی که کمترین آکائیک را داشته باشد. به عنوان مدل بهینه انتخاب گردید که مدل (12)(1، 0، 1)(0، 1، 0) ARIMA است. دقت سنجی مدل ها بر اساس آماره های ریشه میانگین مربعات خطا و ضریب تبیین حاکی از دقت بیشتر شبکه عصبی مصنوعی نسبت به مدل های سری زمانی (ARIMA) می باشد. همچنین بهترین مدل در روش شبکه عصبی مصنوعی، مدل شماره 2 با آرایش 1-11-3 به ترتیب با سه نرون در نرون در لایه ورودی، 11 نرون در لایه مخفی و یک نرون در لایه خروجی شناخته شد.

کلیدواژه ها

پیش بینی، دبی، تلفیقی خود همبستگی و میانگین متحرک، شبکه عصبی مصنوعی، حوزه آبخیز زهره

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.