CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدل سازی ارتباط بین بارندگی و اشل با استفاده از شبکه عصبی مصنوعی (مطالعه موردی:بخشی از حوضه رودخانه دز در زاگرس مرکزی)

عنوان مقاله: مدل سازی ارتباط بین بارندگی و اشل با استفاده از شبکه عصبی مصنوعی (مطالعه موردی:بخشی از حوضه رودخانه دز در زاگرس مرکزی)
شناسه ملی مقاله: IRANICONF02_007
منتشر شده در دومین کنفرانس ملی شهرسازی ،جغرافیا،برنامه ریزی شهری و گردشگری در سال 1397
مشخصات نویسندگان مقاله:

روح اله رضایی خلیفه آبادی - دانشجوی کارشناسی ارشد سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران، اهواز
کاظم رنگزن - دانشیار گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران، اهواز
مصطفی کابلی زاده - استادیار گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران، اهواز

خلاصه مقاله:
سیل از سوانح طبیعی مرتبط با آب است که محدوده وسیعی از عوامل محیطی و فعالیتهای مرتبط با کشاورزی، پوشش گیاهی، زندگی حیوانی و انسانی و اقتصادهای موضعی (مکانی یا محلی) را متاثر میکند. پیشبینی ارتفاع سطح آب (اشل) میتواند در پیش بینی سیلاب و مدیرت رخداد سیل در پایین دست سدها مفید و حایز اهمیت باشد. هدف از انجام این تحقیق، بررسی ارتباط میان پارامترهای بارندگی ایستگاه های بالادست سد دز، میزان خروجی آب و ورودی آب به سد دز و میزان دبی، برای پیشبینی ارتفاع سطح آب در بخشی از حوضه آبخیز رودخانه دز با توجه به سیلهای گذشته میباشد. بدین منظور تاریخ 18 رخداد سیل، مربوط به حوضه دز در سالهای گذشته را ثبت و داده های مورد نیاز مطابق با تاریخ سیلابها آماده سازی شدند. در این تحقیق برای مدل سازی داده هااز نرم افزار متلب استفاده گردید. نهایتا0 در این پژوهش با ساخت و اعمال شبکه های مختلف، شبکه پرسپترون سه لایه با توابع انتقال TANSIG با تعداد 15 نرون برای دو لایه اول و تابع انتقال خطی PURELIN برای لایه سوم با یک نرون بهترین نتیجه ممکن را برای ارتباط میان داده های ورودی و ارتفاع سطح آب به دست داد. نتایج نشان داد که دادهای بارندگی و خروجی سد در زمان سیل، همبستگی بالایی با پیشبینی اشل در پایین دست سد دارند. جهت بررسی دقت مدل سازی صورت گرفته جذر میانگین مربع خطا (RMSE) و میانگین خطای مطلق (MAE) محاسبه شد و به ترتیب مقدار 0.120 و 0.0780 برای هر کدام به دست آمد که نشان دهنده دقت قابل قبول و خطای نسبتا0 پایین شبکه انتخاب شده برای مطالعه حاضر میباشد.

کلمات کلیدی:
سیلاب، شبکه عصبی مصنوعی، اشل، حوضه دز

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/787955/