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:

1,530
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

577
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

2

اطلاعات مقاله نشریه

عنوان

ارزیابی مدل های هوشمند عصبی و تجربی در تخمین رواناب سالانه

صفحات

 صفحه شروع 365 | صفحه پایان 379

چکیده

 از دیرباز معادله های متنوعی برای تعیین رواناب به منظور مدیریت منابع آب توسط پژوهش گران ارایه شده که کاربرد گسترده ای در علوم هیدرولوژی دارند. در پژوهش حاضر با بهره گیری از داده های مشاهده ای, کاربرد مدل های تجربی, شبکه عصبی مصنوعی (ANN) و شبکه عصبی - فازی (CANFIS) در برآورد رواناب بررسی شد. بدین منظور با استفاده از اطلاعات فیزیوگرافی و اقلیمی سه ایستگاه آب سنجی پل زمانخان, قلعه شاهرخ و سد زاینده رود واقع در حوضه زاینده رود, مقادیر رواناب برآورد شده از مدل های تجربی و مدل های هوشمند عصبی با مقادیر رواناب سالانه مقایسه گردید. پارامترهای ورودی شامل متوسط بارش سالانه, متوسط دمای هوا, دمای حداقل و حداکثر هوا بود. نتایج نشان داد مدل های هوشمند عصبی از دقت مناسبی در برآورد رواناب برخوردار بودند. در بین روش های تجربی نیز, روش دی سوزا مناسب تشخیص داده شد. مقایسه شاخص های خطاسنجی بین روش های برگزیده تجربی با مدل های هوشمند عصبی نشان داد میانگین درصد خطای (MPE) درANN , CANFIS و مدل تجربی دی سوزا به ترتیب 7, 12 و 43 درصد بود که موید اختلاف قابل توجه بین روش ها می باشد. ضمن آن که ترکیب منطق فازی با شبکه عصبی مصنوعی در قالب مدل CANFIS کارایی لازم را در بهبود نتایج شبکه عصبی مصنوعی نداشت. همچنین نتایج این پژوهش نشان داد با کاهش متغیرهای ورودی از 4 پارامتر به یک پارامتر بارش, خطای مدل سازی به حداکثر مقدار خود (ازMPE=7%  بهMPE=16% ) می رسد. در مقابل ساختار بهینه شبکه عصبی به حذف پارامتر میانگین دمای هوا, حساسیت کمتری (از MPE=7% به MPE=10%) نشان داد. بنابراین با توجه به محدودیت اطلاعات مورد نیاز روابط تجربی و دقت بالای مدل های هوشمند, کاربرد مدل عصبی قابل توصیه است.

استنادها

ارجاعات

استناددهی

APA: کپی

زارع ابیانه، حمید، و بیات ورکشی، مریم. (1390). ارزیابی مدل های هوشمند عصبی و تجربی در تخمین رواناب سالانه. آب و خاک (علوم و صنایع کشاورزی)، 25(2)، 365-379. SID. https://sid.ir/paper/141723/fa

Vancouver: کپی

زارع ابیانه حمید، بیات ورکشی مریم. ارزیابی مدل های هوشمند عصبی و تجربی در تخمین رواناب سالانه. آب و خاک (علوم و صنایع کشاورزی)[Internet]. 1390؛25(2):365-379. Available from: https://sid.ir/paper/141723/fa

IEEE: کپی

حمید زارع ابیانه، و مریم بیات ورکشی، “ارزیابی مدل های هوشمند عصبی و تجربی در تخمین رواناب سالانه،” آب و خاک (علوم و صنایع کشاورزی)، vol. 25، no. 2، pp. 365–379، 1390، [Online]. Available: https://sid.ir/paper/141723/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