بهبودعملکرد نرم افزارهای هوش مصنوعی در شبیه سازی بارش- رواناب با استفاده از روش حذف - تزریق نوفه
محل انتشار: مجله مهندسی منابع آب، دوره: 11، شماره: 36
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 51
فایل این مقاله در 14 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-11-36_008
تاریخ نمایه سازی: 26 بهمن 1402
چکیده مقاله:
مدل سازی دقیق فرآیندهای هیدرولوژیکی از قبیل بارش– رواناب می تواند اطلاعات مهمی از یک حوضه آبریز برای مدیریت منابع آب فراهم کند. اخیرا در این راستا، مدل های مختلف جعبه سیاه برای شبیه سازی چنین پدیده پیچیده ای به کاررفته اند. مدل های داده محور وابستگی زیادی به کمیت وکیفیت داده ها دارند و داده های دارای نوفه کارایی مدل ها را تحت تاثیر قرار داده ورفع نوفه از داده ها با استفاده از یک روش مناسب می تواند منجر به کارایی بهترمدل های داده محور شود. لذا دراین مقاله ابتدا با استفاده ازروش رفع نوفه موجکی اقدام به رفع نوفه بد ازسری های زمانی روزانه کرده و سپس با افزودن نوفه خوب به این داده های رفع نوفه شده و تشکیل مجموعه های آموزشی مختلف، شبیه سازی بارش – رواناب برای ایستگاه پل آنیان واقع درحوضه آبریز زرینه رود در بالا دست سد بوکان، با استفاده از مدل های جعبه سیاه ANNو ANFIS انجام شده است. همچنین برای بررسی دقت مدل پیشنهادی، نتایج این مدل سازی ها با مدل های کلاسیک جعبه سیاه ARIMA و MLR مورد مقایسه قرار گرفته است. نتاج نشان می دهند که اعمال هم زمان رفع نوفه موجکی و افزودن نوفه خوب در مدل سازی با ANN بهبود ۲۳ درصدی و در مدل سازی با ANFIS باعث بهبود ۱۴درصدی، در مرحله آزمایش مدل ها شده است.
کلیدواژه ها:
نویسندگان
افشین پرتویان
گروه عمران آب، دانشکده عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
وحید نورانی
استاد گروه عمران دانشگاه تبریز- گروه عمران آب، دانشکده عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
محمد تقی اعلمی
استاد گروه عمران دانشگاه تبریز- گروه عمران آب، دانشکده عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، 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 :