شبیه سازی بارش- رواناب حوضه ابریز صوفی چای به کمک شبکه های عصبی مصنوعی

سال انتشار: 1395
محل انتشار: چهارمین کنگره بین المللی عمران ، معماری و توسعه شهری
کد COI اختصاصی: ICSAU04_0108
زبان مقاله: فارسی
تعداد مشاهده: 514

نویسندگان

دانشجوی کارشناسی ارشد گروه عمران، آب و سازه های هیدرولیکی، دانشگاه آزاد اسلامی، واحد مراغه، مراغه، ایران

استادیار گروه عمران، دانشگاه آزاد اسلامی، واحد مراغه، مراغه، ایران

چکیده

در دهه های اخیر در کشورما، نیاز به پیش بینی دقیق و سریع رواناب به علت افزایش تعداد سیلاب ها به شدت افزایش یافته است. بدون تردید سیلاب فاجعه بارترین حادثه طبیعی است. شاید در نگاه نخست، ابعاد حوادثی از قبیل زلزله و یا اتشفشان، وسیعتر از حوادث دیگر طبیعی به نظر آید ولی آمارها حاکی از آن است که سیلاب چه از نظر تلفات جانی و چه از نظر تلفات مالی مقام اول را در میان حوادث دیگر داراست و هشدار و پیش بینی سیلاب می تواند به عنوان یکی از موثرترین روش های غیرسازه ای مدیریت سیلاب در کاهش خطرات و خسارت های ناشی از سیلاب مطرح شود. بنابراین توسعه و اجرای روش های مناسب برای پیش بینی و استحصال رواناب از روی داده های هیدرولوژیکی بسیار ضروری به نظر می رسد. ولی با توجه به کمبود داده های مورد اعتماد در حوضه های آبریز، ارایه و مدل هایی که بتواند این نقص را جبران کند احساس می گردد. شبیه سازی دقیق فرآیند بارش- رواناب، نقش بسزایی در مدیریت کارآمد منابع آب دارد و یکی از نیازهای اساسی سامانه های هشدار سیلاب می باشد چرا که مدل های تجربی مانند آبنمود واحد طبیعی یا مصنوعی قادر نیستند رفتار غیرخطی حوضه ها را در تولید سیلاب بطور کامل شبیه سازی کنند، به همین دلیل، استفاده از مدل های شبکه عصبی مصنوعی برای شناخت رفتار غیرخطی حوضهها ضرورت پیدا می کند. همچنین از میان مدل های متعدد موجود جهت شبیه سازی هیدرولوژیکی بارش- رواناب، استفاده از شبکه های عصبی مصنوعی توجه بسیاری از محققین را به خود جلب کرده است. لذا در این تحقیق نیز سعی شده است که جهت تخمین و پیش بینی هرچه صحیح تر فرآیند بارش- رواناب حوضه آبریز صوفی چای، از شبکه های عصبی مصنوعی استفاده گردد. برای انجام تحقیق نه مدل ایجاد شده است که با استفاده از سه معیار ضریب ضریب همبستگی، میانگین مربعات خطا و جذر میانگین مربعات خطا مقایسه شده اند. در این رابطه هرچه مقدار R به یک و مقدار MSE و RMSE به صفر نزدیکتر باشد نتیجه حاصل مطلوب تر خواهد بود. نتایج تحقیق بیانگر این است که مدل شبکه های عصبی مصنوعی از دقت بسیار بالایی برخوردار است.

کلیدواژه ها

شبیه سازی هیدرولوژیکی، حوضه آبریز صوفی چای، شبکه عصبی مصنوعی، بارش- رواناب

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.