آمار
| تعداد نشریات | 13 |
| تعداد شماره‌ها | 631 |
| تعداد مقالات | 6,584 |
| تعداد مشاهده مقاله | 8,926,443 |
| تعداد دریافت فایل اصل مقاله | 8,456,705 |
پیش بینی آبدهی متوسط ماهانه با استفاده از مدل تلفیقی شبکه عصبی مصنوعی و تبدیلات موجک (مطالعه موردی: رودخانه کر- ایستگاه پل خان) | ||
| مجله پژوهش‌های حفاظت آب و خاک | ||
| مقاله 16، دوره 22، شماره 3، شهریور 1394، صفحه 231-239 اصل مقاله (667.12 K) | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| نویسنده | ||
| محمدرضا نیک منش* | ||
| دانشگاه آزاد اسلامی واحد ارسنجان | ||
| چکیده | ||
| آگاهی از اطلاعات دبی جریان در رودخانه ها برای مدیریت منابع آب، پیش بینی سیل، طراحی مهندسی و مدیریت زیست محیطی ضروری می باشد. مدل های ارائه شده همچون بارش-رواناب و سری های زمانی به منظور پیش بینی میزان آبدهی رودخانه ها به دلیل عدم دقت و پیچیدگی عوامل مؤثر در آبدهی در بسیاری از موارد با مقادیر مشاهده شده تطابق ندارد. موجک یکی از روشهایی است که در سالهای اخیر در زمینه هیدرولوژی مورد توجه قرار گرفته است. همچنین موجک روشی بسیار مؤثر در زمینه آنالیز سیگنال ها و سری های زمانی می باشد. این مقاله به ارائه یک مدل هوشمند تلفیقی مبتنی بر شبکه عصبی مصنوعی و تبدیلات موجک می پردازد که برای شبیه سازی آبدهی متوسط ماهانه در رودخانه کر و ایستگاه پل خان مورد استفاده قرار می گیرد. عملکرد مدل های پیش بینی به کمک معیارهای جذر میانگین مربع خطا و ضریب تعیین مورد ارزیابی قرار گرفتند. نتایج نشان دادند که مدل تلفیقی شبکه عصبی مصنوعی و تبدیل موجک با 2 درجه تجزیه سازی برای مناسب ترین ساختار، بهترین نتایج را ارائه می کند. در این ساختار، آبدهی خروجی برای جریان در ماه بعد بر حسب آبدهی 4، 3، 2، 1 ماه قبل و ماه جاری محاسبه شده و مقادیر و به ترتیب برابر با 14/7 مترمکعب بر ثانیه و 941/0 به دست آمد. | ||
| کلیدواژه‌ها | ||
| آبدهی؛ شبکه عصبی مصنوعی؛ موجک؛ رودخانه کر؛ ایستگاه پل خان | ||
|
آمار تعداد مشاهده مقاله: 1,799 تعداد دریافت فایل اصل مقاله: 1,177 |
||
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب