مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

386
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

626
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

شبیه سازی پیوسته بارش-رواناب با استفاده از شبکه های عصبی مصنوعی برمبنای انتخاب متغیرهای موثر ورودی با الگوریتم اطلاعات متقابل جزئی(PMI)

صفحات

 صفحه شروع 144 | صفحه پایان 161

چکیده

 آگاهی ازتوان طبیعی تولید رواناب درحوضه های آبریز یکی از نیازهای اساسی برای برنامه ریزی اصولی جهت بهره برداری بهینه از رواناب می باشد. از اینرو شبیه سازی بارش-رواناب در حوضه های آبریز از اهمیت زیادی برخوردار می باشد. در این مقاله به شبیه سازی پیوسته بارش-رواناب در حوضه سد مارون با شبکه های عصبی مصنوعی پرداخته شد تا توانایی و دقت این شبکه در برآورد رواناب نیز ارزیابی گردد. با توجه با اینکه تعداد روزهای بارندگی در هر سال کمتر از روزهای غیر بارندگی می باشد بنابراین رواناب خروجی از حوضه ناشی از دو مکانیسم متفاوت می باشد. در زمانهای همراه با وقوع بارش و چند روز بعد از آن, رواناب خروجی از حوضه عمدتا به صورت سیلابهای با دبی زیاد و تداوم کم می باشد. ولی در اکثر روزهای سال که بارندگی وجود ندارد, رواناب خروجی بصورت جریان پایه با مقادیر دبی کم و با تداوم زیاد می باشد. بنابراین در این تحقیق سعی بر ارائه یک مدل بارش-رواناب دو ضابطه ای شامل مدل مربوط به روزهای بارانی و مدل مربوط به روزهای غیربارانی شده است. همچنین متغیر های ورودی موثر در دبی جریان در حوضه مارون با استفاده از الگوریتم اطلاعات متقابل جزیی (PMI) تعیین شده اند. مقایسه مقادیر شاخص های آماری بین مدل تک ضابطه ای و مدل دوضابطه ای نشان می دهد که دقت مدل دوضابطه ای در برآورد دبی جریان در ایستگاه ایدنک بیشتر از دقت مدل تک ضابطه ای می باشد. بطوری که ضریب ناش-ساتکلایف برای مدل تک ضابطه ای و دوضابطه ای به ازای مرحله آزمون شبکه به ترتیب برابر با 86/0 و 94/0 می باشد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    شافعی زاده، مهرداد، فتحیان، حسین، و نیک بخت شهبازی، علیرضا. (1398). شبیه سازی پیوسته بارش-رواناب با استفاده از شبکه های عصبی مصنوعی برمبنای انتخاب متغیرهای موثر ورودی با الگوریتم اطلاعات متقابل جزئی(PMI). تحقیقات منابع آب ایران، 15(2 )، 144-161. SID. https://sid.ir/paper/100225/fa

    Vancouver: کپی

    شافعی زاده مهرداد، فتحیان حسین، نیک بخت شهبازی علیرضا. شبیه سازی پیوسته بارش-رواناب با استفاده از شبکه های عصبی مصنوعی برمبنای انتخاب متغیرهای موثر ورودی با الگوریتم اطلاعات متقابل جزئی(PMI). تحقیقات منابع آب ایران[Internet]. 1398؛15(2 ):144-161. Available from: https://sid.ir/paper/100225/fa

    IEEE: کپی

    مهرداد شافعی زاده، حسین فتحیان، و علیرضا نیک بخت شهبازی، “شبیه سازی پیوسته بارش-رواناب با استفاده از شبکه های عصبی مصنوعی برمبنای انتخاب متغیرهای موثر ورودی با الگوریتم اطلاعات متقابل جزئی(PMI)،” تحقیقات منابع آب ایران، vol. 15، no. 2 ، pp. 144–161، 1398، [Online]. Available: https://sid.ir/paper/100225/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button