بررسی اثر توزیع مکانی داده های اقلیمی و شاخص های اقلیمی بر عملکرد مدلهای هوشمند در پیش بینی جریان ماهانه (مطالعه موردی حوضه کارون)
- سال انتشار: 1386
- محل انتشار: چهارمین همایش ملی علوم و مهندسی آبخیزداری ایران مدیریت حوزه های آبخیز
- کد COI اختصاصی: WATERSHED04_171
- زبان مقاله: فارسی
- تعداد مشاهده: 1420
نویسندگان
دانشجوی کارشناسی ارشد گروه سازه های آبی، دانشگاه تربیت مدرس
دانشیار پژوهشی مرکز تحقیقات حفاظت خاک و آبخیزداری
دانشیار گروه منابع آب، دانشگاه تربیت مدرس
چکیده
بهره برداری بهینه از سیستم های منابع آب درکشور، مستلزم ارتقاء دقت پیش بینی آورد رودخانه هاست . اهمیت این موضوع در حوضه های بزرگی همچون کارون بدلیل شرایط استراتژ یک منطقه، وسعت اراضی کشاورزی و تولید انرژی برقابی بارزتر می باشد . در این مقاله نتایج پیش بینی جریان 1 تا 3 ماه بعد حوضه کارون تا محل ایستگاه پل شالو با استفاده از توزیع مکانی داده های اقلیمی ( بارندگی و دما ) و بکارگیری مدلهای هوشمندی نظیر شبکه های عصبی مصنوعی و نرو - فازی گزارش می گردد . برای بررسی تاثیر توزیع مکانی داده ها، عملکرد این مدلها با داده های نقطه ای نیز بوسیله شاخص های R 2 ، MAE و RMSE مورد ارزیابی قرار گرفت . همچنین اثر شاخص اقلیمی SOI بر خروجی مدلهای هوشمند بررسی شد . نتایج بدست آمده حاکی از آن بود که توزیع مکانی بارندگی بصورت ترکیبی با داده های نقطه ای دما بهترین عملکرد را در هر دو مدل داشته است . همچنین وجود داده های SOI در ورودی مدلها تا اندازه ای باعث بهبود نتایج آنها میشود و در کل مدلهای شبکه عصبی نسبت به مدلهای نرو - فازی با داشتن ورودیهای مشابه، عملکرد بهتری را نشان داده اند .کلیدواژه ها
پیش بینی جریان، مدلهای هوشمند، شبکه های عصبی مصنوعی، نرو - فازی، توزیع مکانی، شاخص SOIمقالات 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.