بررسی مقایسه ای شبکه عصبی، مدل IHACRES و رگرسیون خطی در شبیه سازی رواناب درحوضه آبریز طشک-بختگان
محل انتشار: مجله مهندسی منابع آب، دوره: 15، شماره: 53
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 66
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WEJMI-15-53_003
تاریخ نمایه سازی: 26 بهمن 1402
چکیده مقاله:
شبیه سازی میزان رواناب از مهمترین موضوعات در زمینه هیدرولوژی و منابع آب می باشد با پیش بینی میزان رواناب در دوره های آینده می توان میزان سیلاب و همچنین روند افزایشی و کاهشی میزان دبی رودخانه را تعیین کرد. روش های مختلفی به منظور شبیه سازی و یا پیش بینی میزان رواناب وجود داشته که از این بین می توان به روش های آماری، مدل های بارش- رواناب و هوش مصنوعی اشاره کرد. در این پژوهش با استفاده از سه مدل متشکل از شبکه عصبی، IHACRES و رگرسیون خطی میزان رواناب درحوضه طشک- بختگان برآورد شده و با استفاده از آماره هایی همچون ضریب همبستگی، ضریب تبیین و دیگر شاخص های خطا این مدل ها مورد ارزیابی قرار گرفتند. نتایج حاکی از این بود که میزان رواناب و بارش دارای رابطه غیر خطی بوده و به همین جهت نمی توان جهت برآورد میزان رواناب به مدل رگرسیون خطی اعتماد کرد. از دیگر نتایج این پژوهش می توان به این مورد اشاره کرد که در حالت کلی مدل شبکه عصبی به دلیل برقراری رابطه غیر خطی بین میزان بارش و رواناب نسبت به دو مدل دیگر از دقت مناسبی در برآورد میزان رواناب ماهانه در سطح حوضه طشک- بختگان برخوردار می باشد.
کلیدواژه ها:
نویسندگان
علیرضا پیل پایه
استادیار گروه مهندسی عمران، واحد پارس آباد مغان، دانشگاه آزاد اسلامی، پارس آباد، ایران.
آیدین باختر
دانش آموخته کارشناسی ارشد رشته مدیریت منابع اب، گروه مهندسی آب، دانشگاه ارومیه، ارومیه، ایران .
اکبر رحمتی
دانش آموخته کارشناسی ارشد رشته مدیریت منابع اب، دانشکده کشاورزی، دانشگاه تهران، تهران، ایران.
افشین شایقی
دانش آموخته کارشناسی ارشد رشته مدیریت منابع اب، دانشکده فنی و مهندسی، گروه مهندسی آب، دانشگاه بین المللی امام خمینی (ره) قزوین، قزوین، 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 :