پیش بینی مقدار آبدهی رودخانه در شرایط کم آبی و پرآبی با استفاده از یک مدل استوکستیک و هوش مصنوعی
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 8، شماره: 3
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 256
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-8-3_009
تاریخ نمایه سازی: 25 اردیبهشت 1400
چکیده مقاله:
با توجه به برنامهریزی منابع آب، بهخصوص در مناطقی که منابع آب سطحی به عنوان اصلیترین منبع در امور شرب و کشاورزی بهحساب میآیند، برآورد میزان آب رودخانهها در دورههای کم آبی و پرآبی اهمیت پیدا میکند. در این تحقیق با استفاده از یک مدلسازی سری زمانی، میزان و زمان وقوع کمآبی و پرآبی رودخانه گرگانرود، بر اساس مدل سری زمانی متداول میانگین متحرک تجمعی خود بازگشت(ARIMA) برآورد شده است و در ادامه از شبکه عصبی، بهعنوان مدلی از خانواده هوش مصنوعی، در برآورد میزان و زمان وقوع کمآبی و پرآبی رودخانه، استفاده شده است. مقدار کمآبی و پرآبی هر ماه، با استفاده از مقدار میانگین متحرک یک، سه، پنج و هفت روزهی دبی جریان در هر ماه، در نظر گرفته شده است. در پایان، این نتیجه حاصل شد که سریهایزمانی کمآبی، نسبت به سریزمانی پرآبی، در استفاده از مدل استوکستیک و شبکه عصبی نتایج بهتری ارائه میدهند، همچنین با توجه به آماره میانگین خطای مطلق(MAE) و در سریزمانی کمآبی۱و۷ روزه، مدل استوکستیکARIMA ، نسبت به مدل شبکه عصبی نتیجه بهتری ارائه میدهد، شبکه عصبی نیز در سریزمانی کمآبی، ۳و۵ روزه، نتایج بهتری را ارائه میدهد و با توجه به آماره میانگین خطای مطلق(MAE) در پرآبیها، مدل ARIMAدر سری زمانی یک روزه و ANN در سری زمانی ۳ و ۵ و ۷ روزه نتایج مناسبتری ارائه داده است.
کلیدواژه ها:
نویسندگان
حسین شریفان
دانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
فائقه پژوهش
دانش آموخته کارشناسی ارشد مهندسی منابع آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
امیراحمد دهقانی
دانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی منابع طبیعی گرگان، گرگان، ایران
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 :