بررسی اثر رفع نوفه موجکی درشبیه سازی فرآیند بارش رواناب -مبتنی بر مدل شبکه عصبی مصنوعی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 749

فایل این مقاله در 13 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:

RCEAUD02_283

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

مدل سازی دقیق فرآیندهای هیدرولوژیکی از قبیل بارش– رواناب میتواند اطلاعات مهمی از یک حوضه آبریز برای برنامه ریزی شهری و محیط زیست،کاربری اراضی، مدیریت منابع آب و سیلاب فراهم کند. اخیراً در این راستا، مدلهایمختلف جعبه سیاه برای شبیه سازی چنین پدیده پیچیدهای به کاررفته اند. مدلهای داده محور وابستگی زیادی به کیفیت دادهها دارند و دادههای دارای نوفه کارایی مدلها را تحت تاثیر قرار داده ورفع نوفه از دادهها با استفاده از یک روش مناسب میتواند منجر به کارایی بهتر مدلهای داده محور شود. لذا دراین مقاله با استفاده ازروش رفع نوفه موجکی اقدام به رفعنوفه از سریهای زمانی روزانه و ماهانه کرده و سپس با تشکیل مجموعههای آموزشی مختلف رفع نوفه شده، شبیه سازی بارش رواناب ایستگاه پل آنیان واقع درحوضه آبریز زرینه رود در بالا دست سد بوکان، با استفاده از مدل جعبه سیاه –ANN انجام شده است. همچنین برای بررسی دقت مدل پیشنهادی، نتایج این مدل سازیها با مدل های کلاسیک جعبه سیاه ARIMA و MLR مورد مقایسه قرار گرفته است. مقایسه مدل های مختلف با استفاده از دو پارامتر آماری ضریب تبیین و جذرمیانگین مربعات خطا صورت گرفته است. نتاج نشان میدهند که رفع نوفه موجکی در مدل سازی با ANN به ترتیب موجب بهبود 61 و 52 درصدی در سری های زمانی روزانه و ماهانه، در مرحله آزمایش مدلها شده است

کلیدواژه ها:

مدل سازی بارش رواناب ، شبکه عصبی مصنوعی ، رفع نوفه موجکی ، ضریب تبیین ، حوضه آبریز زرینه رود

نویسندگان

افشین پرتویان

دانشجوی دکتری عمران آب دانشگاه آزاد اسلامی واحد نجف آباد

وحید نورانی

استاد گروه عمران دانشگاه تبریز

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 :
  • وحید نورانی، وصالحی، ک.(1387)، " مدل سازی بارش-رواناب با استفاده ... [مقاله کنفرانسی]
  • ارزیابی شبکه عصبی مصنوعی در برآورد بارش- رواناب (مطالعه موردی رودخانه کرج) [مقاله کنفرانسی]
  • Salas, J.D. Delleur, J.W. Yevjevich, V. and Lane, W.L. (1980), ...
  • Nourani, _ Kisi, O. and Komasi, M. (2011), _ hybrid ...
  • Abrahart, R.J. Anctil, F. Coulibaly, P. Dawson, C.W. Mount, N.J. ...
  • ASCE Task Committee On Application of Artificial Neural Networks in ...
  • Antar, M.A. Elassiouti, I. and Alam, M.N. (2006), ، 'Rainfall-runo ...
  • Elshorbagy, A. Simonovic, S.P. and Panu, U.S. (2002), "Noise reduction ...
  • Sang, Y.F. (2013), _ review on the applications of wavelet ...
  • Reichel, R.H, Walker, J.P, Koster, R.D. and Houser, P.R. (2002), ...
  • Martin, P.C. David, E.R. Ross, A.W. Xiaogu, Z. Richard, P.I. ...
  • Schreiber, T. (1993), "Extremely simple nonlinear no ise-reduction method, " ...
  • Sang. F. (2012), "A practical guide to discrete wavelet decomposition ...
  • Hassan Nejad, F. and Nourani, v. (2012), "Elevation of wavelet ...
  • Rajurkar, M.P. Kothyari, U.C. and Chaube, U.C. (2002), ":Artificial neural ...
  • Box, G.E.P. and Jenkins, G. (1976), _ Series Analysis: Forecasting ...
  • Donoho, D.H. (1995), "De-noising by _ ft -thresholding, _ IEEE ...
  • نمایش کامل مراجع