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:

508
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

538
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی جریان روزانه رودخانه اهرچای با استفاده از مدل قوانین M5 و مقایسه آن با شبکه های عصبی مصنوعی المانی (ENN)

صفحات

 صفحه شروع 11 | صفحه پایان 18

چکیده

 برآورد صحیح آبدهی رودخانه ها یکی از موارد مهم در پیش بینی خشکسالی, سیلاب, طراحی سازه­ های آبی, بهره برداری از مخازن سدها و کنترل رسوب می باشد. از این رو متخصصان علوم مهندسی آب جهت برآورد دقیق جریان, از روش های هوشمند مانند شبکه های عصبی مصنوعی و روش های مختلف داده کاوی بهره گرفته اند. در این مطالعه, جهت پیش­ بینی جریان روزانه رودخانه اهرچای, از روش­ های شبکه عصبی مصنوعی المانی (ENN) و قوانین درختی M5 بهره گرفته شد. بدین منظور از داده­ های جریان روزانه ایستگاه هیدرومتری اورنگ واقع بر رودخانه اهرچای در استان آذربایجان­ شرقی برای مدل سازی استفاده شد. نتایج حاصل از پیش بینی جریان در یک روز بعد نشان داد که گرچه روش ENN در بهترین سناریو با ساختار شبکه نسبتا پیچیده 1-3-9 که بیان گر 9 گره در لایه ورودی, 3 گره در لایه پنهان و یک گره در لایه خروجی با 90/0R2=, (m3/s)028/0RMSE= و (m3/s)001/0MAE= از دقت بیش تری برخوردار است. اما روش قوانین M5 تنها با دو پارامتر جریان در روز جاری و یک روز قبل به عنوان ورودی, با 83/0 R2=, (m3/s)734/0RMSE= و (m3/s)317/0 MAE= علاوه بر سادگی, از دقت قابل قبولی نیز برخوردار بوده است. مقایسه عملکرد دو مدل نشان داد, گرچه شبکه عصبی المانی دارای دقت بالاتری نسبت به روش M5 می باشد, ولی روش M5 با توجه به ارائه قوانین کارآمد و ساده اگر-آنگاه و روابط خطی ساده برای پیش­ بینی جریان و نیز تعداد پارامتر ورودی موردنیاز کم تر, می تواند بعنوان یک روش جایگزین مناسب بکار گرفته شود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    عبداله پورآزاد، محمدرضا، ستاری، محمدتقی، و میرعباسی نجف آبادی، رسول. (1395). پیش بینی جریان روزانه رودخانه اهرچای با استفاده از مدل قوانین M5 و مقایسه آن با شبکه های عصبی مصنوعی المانی (ENN). مجله علوم و مهندسی آبخیزداری ایران، 10(33 )، 11-18. SID. https://sid.ir/paper/134891/fa

    Vancouver: کپی

    عبداله پورآزاد محمدرضا، ستاری محمدتقی، میرعباسی نجف آبادی رسول. پیش بینی جریان روزانه رودخانه اهرچای با استفاده از مدل قوانین M5 و مقایسه آن با شبکه های عصبی مصنوعی المانی (ENN). مجله علوم و مهندسی آبخیزداری ایران[Internet]. 1395؛10(33 ):11-18. Available from: https://sid.ir/paper/134891/fa

    IEEE: کپی

    محمدرضا عبداله پورآزاد، محمدتقی ستاری، و رسول میرعباسی نجف آبادی، “پیش بینی جریان روزانه رودخانه اهرچای با استفاده از مدل قوانین M5 و مقایسه آن با شبکه های عصبی مصنوعی المانی (ENN)،” مجله علوم و مهندسی آبخیزداری ایران، vol. 10، no. 33 ، pp. 11–18، 1395، [Online]. Available: https://sid.ir/paper/134891/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