شبیه سازی دبی اوج هیدروگراف وزمان وقوع آن با استفاده از شبکه عصبی مصنوعی در حوضه آبریز معرف کسیلیان

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,216

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICWR01_080

تاریخ نمایه سازی: 15 آذر 1388

چکیده مقاله:

فرآیند بارش-رواناب به عنوان یک پدیده کاملاً پیچیده و غیرخطی در علوم هیدرولوژی و مهندسی آب بوده که مدل‌سازی آن به خاطر عدم قطعیت‌های موجود در عوامل و پارمترهای موثر و تاثیرگذار در آن با مدل‌های رایج بسیار مشکل و حتی در بعضی موارد غیرممکن می‌باشد. در این تحقیق شبیه‌سازی فرآیند بارش-رواناب به منظور تعیین دبی اوج و زمان وقوع آن که دو فاکتور بسیار مهم در طراحی سازه‌های آبی می‌باشد استفاده شده است. در دهه‌های اخیر (1999) مدلهای جدیدی به نام شبکه‌های عصبی مصنوعی در تحقیقات مختلف هیدرولوژی از جمله شبیه‌سازی پدیده بارش-رواناب کاربرد وسیعی پیدا کرده است. در این تحقیق از شبکه عصبی مصنوعی به عنوان یکی از تکنیکهای هوش محاسباتی استفاده شده که قدرت درونیابی قوی و کشف روابط غیرخطی بین مجموعه ورودی‌ها و خروجی‌ها را داراست. شبیه‌سازی فرآیند بارش-رواناب با استفاده از مدل Qnet 2000 انجام شده که شبکه پرسپترون چندلایه با ساختار 2-10-8 برای این منظور به عنوان مناسبترین شبکه برگزیده شد. ضریب همبستگی کلی برای مراحل آموزش و آزمون مدل، به ترتیب 94/0 و 92/0 در 70000 تکرار حاصل شد. همچنین ضرایب همبستگی برای دبی اوج و زمان رسیدن به دبی اوج به ترتیب برابر با 96/0 و 95/0 در مرحله آزمون بدست آمد. علاوه بر این، تحلیل حساسیت هرکدام از پارامترهای ورودی بر روی پارامترهای خروجی انجام شد، که مشخص شد مقدار کل بارندگی بیشترین تاثیر را بر روی دبی اوج و زمان وقوع آن دارد.

نویسندگان

نادر پیرمرادیان

استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه گیلان

فرشید صف شکن

دانشجوی کارشناسی ارشد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه آزاد

رضا افشین شریفان

استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه آزاد اسلامی واحد ش

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 :
  • شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی در حوضه کارده [مقاله کنفرانسی]
  • حسینی، س.، میر صالحی، م.م. و ساقی، ح، 1381، "کاربرد ...
  • رضایی، ع.، مهدوی، م.، لوکس، ک.، فیض نیا، س. و ...
  • - منهاج، م.ب، 1386، "مبانی شبکه های عصبی "، جلد ...
  • میثاقی، ف، دیانی، ش. و محمدی، ک، 1384، "شبیه سازی ...
  • - Ahmad, S., Simonovic, S.P., 2005. " Anartificial neural network ...
  • - Carriere, p., Mohaghegh, S., Gas Kari, T., 1 996. ...
  • _ Chang, F.G., Chang, L.C., Hang, H.L., 2002. "Real time ...
  • Coulibaly _ Anctil, F., Rasmussen, P., Bobee, B., 2000."'A recurrent ...
  • Jain, A. K., Mao, J. and K.M. Mohiuddin. 1996." Artificial ...
  • Jy S.Wu, P.E., ASCE, M., Han, Jan., Annambhotla, ...
  • Scott., 2005. "artificial neural networks for forecasting watershed runoff and ...
  • Lipman, R., 1987."'An introduction o computing with neural nets".IEEE ASSP ...
  • - Lorria, M., Sechi, G.M, 1995."Neural networks for modeling rainfall ...
  • _ Pan, T.Y., Wang, R.Y., 2005."'using recurrent neural networks to ...
  • -Smith, J., Eli, R.N., 1995."Neural network models of rainfall-runof process". ...
  • - Tayfur, G., Moramarco, T., 2006. "Forecasting flood hydrograph at ...
  • "user manual of Qnet2000 for neural network modelling". ...
  • نمایش کامل مراجع