مدل سازی بارش- رواناب با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) و رگرسیون خطی چندمتغیره (MLR)

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 416

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WATER-9-4_004

تاریخ نمایه سازی: 17 آذر 1398

چکیده مقاله:

در این پژوهش، کارآیی سیستم فازی- عصبی برای برآورد رواناب ناحیه کوهستانی حوضه هراز مورد ارزیابی قرار گرفت. هدف ایجاد مدلی با توابع و درجه عضویت مناسب است که بتواند رابطه بارندگی- رواناب را در یک حوضه به­درستی برقرار کند. بدین منظور برای پیش­بینی رواناب، 44 ترکیب مختلف از پارامترهای بارندگی، دما، تبخیر، دبی جریان و شاخص بارش پیشین با تاخیر زمانی بین آنها به­صورت روزانه طی دوره 32 سال آماری وارد مدل ANFIS گردید. از بین ترکیبات مختلف ورودی، ساختار بارندگی و دمای متوسط روز جاری، شاخص رطوبتی و دبی یک روز قبل به­عنوان مدل مناسب انتخاب شد. نتایج حاصل از آزمون آماری t-test برای تعیین اختلاف معنی­داری نشان داد که بین دو روش ANFIS و MLR اختلاف معنی­داری وجود ندارد. روش ANFIS با تابع عضویت مثلثی شکل درجه دو با معیارهای آماری 67/2= RMSE، 16/4= VE، 98/0= R2 و 97/0= EF نسبت به روش MLR با 83/2= RMSE، 55/4= VE، 94/0= R2 و 92/0= EF در دوره آزمون، عملکرد بهتری در مدل­سازی بارش- رواناب ناحیه کوهستانی حوضه هراز دارد.

نویسندگان

عیسی کیاء

دانشگاه علوم کشاورزی و منابع طبیعی ساری

علیرضا عمادی

گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری

محمد علی غلامی

گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری

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 :
  • اسکندری­نیا، ع. 1385. شبیه­سازی فرآیند بارش- رواناب با استفاده از ...
  • بررسی تاثیر عامل بارش پیشین در برآورد جریان رودخانه توسط شبکه عصبی مصنوعی (مطالعه موردی: رودخانه بختیاری) [مقاله ژورنالی]
  • حقی­زاده، ع.، م. محمدلو و ف. نوری. 1394. شبیه­سازی فرآیند ...
  • دستورانی، م.ت.، ح. شریفی دارنی، ع. طالبی و ع.ر. مقدم­نیا. ...
  • دهقانی، ن.، م. وفاه­خواه و ع.ر. بهره­مند. 1395. مدل­سازی بارش- ... [مقاله ژورنالی]
  • علیزاده، ا. 1374. اصول هیدرولوژی کاربردی. انتشارات آستان قدس، چاپ ...
  • نجفی نیسیانی، ن. 1385. برآورد بار رسوب رودخانه زاینده­رود با ...
  • Alizadeh, M. J., M. R. Kavianpour, O. Kisi and V. ...
  • Anctil, F., C. Michae, C. Perrin and V. Andreassian. 2004. ...
  • Anusree, K. and K. O. Varghese. 2016. Streamflow predictioin of ...
  • Aqil, M., I. Kita, A. Yano and S. Nishiyama. 2007. ...
  • Ashrafi, M., C. C. Liyd Hock, Q. Chai, and Q. ...
  • Chang, T. K., A. Talei, S. Alaghmand and L. H. ...
  • Heggen, R. J. 2001. Normalized antecedent precipitation index. Journal of ...
  • Kisi, O. 2010. River suspended sediment concentration modeling using a ...
  • Kisi, O., T. Haktanir, M. Ardiclioglu, O. Ozturk, E. Yalcin ...
  • Sachan, A. and D. Kumar. 2017. Neural fuzzy inference system ...
  • نمایش کامل مراجع