پیش بینی جریان رودخانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردی رودخانه زاینده رود)
محل انتشار: سومین کنفرانس مدیریت منابع آب
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,628
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WRM03_573
تاریخ نمایه سازی: 28 فروردین 1387
چکیده مقاله:
جریان رودخانه یکی از مهمترین مولفه های منابع آب محسوب می شود و همواره تغییرات جریان مشکلاتی را در بخشهای مختلف به وجود آورده است . رشد جمعیت، صنعت و کشاورزی ازیک طرف و محدودیت منابع آبی جهت مصرف در بخشهای مختلف از طرف دیگر باعث افزایش رشد روز افزون مصرف آب از منابع آبی موجود شده است. بنابراین مدیریت این منابع و پیش بینی میزان جری ان آب رودخانه ها جهت برنامه ریزی مصرف آن در آینده امری مهم و ضروری به حساب می آید. در این مقاله به بررسی و پیش بینی جریان در رودخانه با استفاده از شبکه عصبی مصنوعی پرداخته شده است. به عنوان مطالعه موردی دبی جریان در رودخانه زاینده رود مورد بررسی قرار گرفته است. شبکه عصبی مصنوعی یکی از روشهایی است که در سالیان اخیر مورد توجه قرار گرفته و در مدلسازی سیستمهای آبی عملکرد مناسبی را از خود نشان داده است . با توجه به آمار ماهیانه دبی رودخانه زاینده رود در ایستگاههای موجود در طول رودخانه به بررسی و شبیه سازی جریان در طول رودخانه پرداخته شده، بدین منظور سه ایستگاه پل زمان خان، پل کله،لنج و پل چوم در نظرگرفته و عملکرد مدلهای پیش بینی در این چهار ایستگاه به کمک معیارهای MAE ، R2 و NMSE مورد ارزیابی قرار گرفته شده است. نتایج عملکرد بالای شبکه عصبی مصنوعی را در پیش بینی جریان رودخانه در ایستگاه های بالادست رودخانه نشان می دهد. در مورد ایستگاههای پایین دست رودخانه نتایج مدل چندان رضایت بخش نیست بطوریکه بیشترین خطا در ایستگاه پل چوم در انتهای مسیر رودخانه گزارش شده است.
کلیدواژه ها:
نویسندگان
مجید سرتاج
استادیار دانشکده عمران، دانشگاه صنعتی اصفهان
کیوان اصغری
استادیار دانشکده عمران، دانشگاه صنعتی اصفهان
حجت رحیمی
دانشجوی کارشناسی ارشد عمران، دانشگاه صنعتی اصفهان
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 :