مدلسازی بارش-رواناب با استفاده از روشهای شبکه عصبی مصنوعی و HEC- HMS (مطالعه موردی: حوضه آبریز قره سو)
- سال انتشار: 1396
- محل انتشار: دومین کنفرانس بین المللی مهندسی عمران،معماری ومدیریت بحران
- کد COI اختصاصی: CCIVIL02_028
- زبان مقاله: فارسی
- تعداد مشاهده: 714
نویسندگان
کارشناس ارشد عمران- سازه های هیدرولیکی
چکیده
یکی از روشهایی که در زمینه های مختلف علمی استفاده شده و می تواند فرایند پیچیده بارش-رواناب راشبیه سازی کند، استفاده از مدل های شبکه عصبی مصنوعی است. هدف این تحقیق، بررسی کارآمدی شبکه هایعصبی مصنوعی در شبیهسازی فرایند بارش-رواناب و مقایسه نتایج آنها با مدل HEC-HMS در حوضه آبریز قره سو در استان اردبیل است. داده های مورد استفاده در این تحقیق شامل بارندگی روزانه به همراه دبی روزانه ولحظه ای رودخانه مزبور طی یک دوره آماری 30 ساله است. نتایج تحقیق نشان میدهد که هر یک از روشهایاستفاده شده در این تحقیق، دارای توانایی قابل توجهی در تخمین میزان بارش-رواناب حوضه قره سو داشته ولذا با اطمینان کافی میتوان از آنها در مقادیر بارش-رواناب بهره برد و به عنوان مدلهای قابل قبول در اینزمینه معرفی نمود. از بین مدلهای فوق، مدل دوم از شبکه عصبی (بارش امروز و رواناب دیروز) با توجه بهمعیارهای ارزیابی با بیشت ترین ضریب تبیین (0/88) و کمترین خطا در مرحله صحت سنجی به عنوان بهترین مدل انتخاب گردید. ضمنا در مقایسه نمودارهای پراکنش سه مدل، نمودار مدل دوم از شبکه های عصبی، ویژگی های قابل قبولی را نسبت به سایر مدلها داراست.کلیدواژه ها
شبکه عصبی مصنوعی، مدل HEC-HMS، بارش-رواناب، حوضه قره سومقالات مرتبط جدید
- نقش حیاتی عایق های سفید اکریلیک در حفاظت از گیاهان در برابر تغییرات اقلیمی
- بررسی اثر سیستم مدیریت ساختمان در مصرف انرژی ساختمان های اداری در شهر تبریز
- اکولوژی شهری و توسعه پایدار: چشم اندازی به شهرهای سبز آینده
- Designing a Residential Tower Influenced by Biophilic Architecture to Enhance Mental Health and Quality of Life for Residents in Iran and the Metropolis of Tehran (Case Study: District ۲۲)
- Toward Smart Urban Transportation and Crisis Management: A Literature Review and Delphi-Based Prioritization Framework
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.