مدلسازی بارش رواناب با استفاده از شبکه عصبی مصنوعی و مدل HEC-HMS و ارزیابی آنها (مطالعه موردی: حوضه آبخیز آدینان سقز)
- سال انتشار: 1395
- محل انتشار: ششمین کنفرانس ملی مدیریت منابع آب ایران
- کد COI اختصاصی: WRM06_140
- زبان مقاله: فارسی
- تعداد مشاهده: 792
نویسندگان
دانشجوی کارشناسی ارشد مهندسی عمران -آب دانشگاه کردستان
دانشجوی کارشناسی ارشد مهندسی عمران -آب دانشگاه کردستان
استادیار دانشکده فنی و مهندسی دانشگاه کردستان
استادیار دانشکده کشاورزی دانشگاه کردستان
چکیده
یکی از چالشها و اهداف عمده در هیدرولوژی مهندسی تعیین یک مدل بارش- رواناب مناسب جهت مشخص کردن پاسخ حوضه نسبت به یک بارش مشخص با استفاده از پارامترهای موجود در مدل است. پاسخ حوضه تابعی از مشخصات حوضه آبریز و مقادیر پارامترهای مدل است. در پژوهش حاضر برای مدلسازی فرایند بارش رواناب در سطح حوضه آدینان با بهره گیری از داده های مشاهده ای از مدل HEC-HMS و روش شبکه های هوشمند (شبکه عصبی مصنوعی) ANN استفاده شد و مورد بررسی قرار گرفت. مقادیر رواناب برآورد شده از مدل HEC-HMS و مدل های هوشمند عصبی مقایسه گردید. در این تحقیق عملکرد مدل ها از معیارهای عملکرد شامل ضریب همبستگی (R2) میانگین مربعات خطا (RMSE) و Nash-sutcliffe استفاده شد. با بررسی عملکرد مدل HEC-HMS ضریب همبستگی در مرحله واسنجی و صحت سنجی 0/73 و 0/72 به دست آمد همچنین معیار NASH و RMSE به ترتیب در دو مرحله واسنجی و صحت سنجی 0/736 و 15/81 و 0/713 و 10/89 به دست آمد. شبکه ی عصبی مصنوعی با الگوریتم پس از انتشار خطا در بهترین ساختار خود میانگین مربعات خطای مدل در مراحل مختلف آزمایش، صحت سنجی و آزمون به ترتیب 0/41 و 0/79 و 0/53 و ضریب همبستگی 0/98 و 0/98 و 0/96 می باشد که نشان از همبستگی بالا و معنی داری بین مقادیر مشاهده ای و مقادیر پیش بینی دارد. در نتیجه میان دو روش مقایسه عملکرد شبکه و مدل به کار رفته شده نشان می دهد که دقت ANN بیشتر از HEC-HMS است.کلیدواژه ها
بارش-رواناب، شبکه عصبی مصنوعی، مدل HEC-HMS، الگوریتم پس از انتشار خطا، حوضه آدینانمقالات 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.