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:

835
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی جریان روزانه در حوضه ی آبریز رودخانه ی تلوار با مدل های هوشمند

صفحات

 صفحه شروع 203 | صفحه پایان 213

چکیده

 دبی رودخانه ها به دلیل تغییرات درخور توجه زمانی و مکانی در مطالعات هیدرولوژی و برنامه ریزی مدیریت منابع آب اهمیت فراوانی دارد. در علوم مهندسی آب, سعی بر این است که با استفاده از سری زمانی داده های ثبت شده, اقدام به برآورد جریان رودخانه شود. افزایش دقت پیش بینی های یاد شده می تواند در برنامه ریزی دقیق تخصیص منابع آب مؤثر باشد. در این پژوهش از سه روش برنامه ریزی بیان ژن, روش حداقل مربعات ماشین بردار پشتیبان و شبکه ی عصبی موجکی برای برآورد جریان رودخانه ی تلوار در حوضه ی آبخیز قروه دهگلان استفاده شده و کارایی آنها مقایسه شد. به این منظور داده های 10 ساله ی دبی رودخانه (1381-1391) به منظور مدل سازی استفاده شد. برای مدل سازی با روش های یادشده, 75 درصد از داده ها به عنوان داده های آموزش و 25 درصد نیز به منزله ی داده های اعتبارسنجی مدل استفاده شدند. نتایج به دست آمده نشان داد پیش بینی مدل جریان با تأخیر دو روز قبل جریان در رودخانه در هر سه روش دقت قابل قبولی دارد, به طوری که معیار ضریب تبیین در مرحله ی اعتبارسنجی در بهترین مدل به ترتیب برای برنامه ریزی بیان ژن, ماشین بردار پشتیبان و شبکه ی عصبی موجک برابر با 94/0, 92/0 و 90/0 بودند. همچنین, مقایسه ی سه مدل نشان داد روش ماشین بردار پشتیبان نسبت به دو روش دیگر عملکرد بهتری دارد و نیز دقت پیش بینی در این مدل با افزایش تعداد تأخیرها به چهار و پنج روز قبل افزایش می یابد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    بایزیدی، مطلب، اسدزاده، فرخ، و کاکی، مهری. (1397). پیش بینی جریان روزانه در حوضه ی آبریز رودخانه ی تلوار با مدل های هوشمند. اکوهیدرولوژی، 5(1 )، 203-213. SID. https://sid.ir/paper/253979/fa

    Vancouver: کپی

    بایزیدی مطلب، اسدزاده فرخ، کاکی مهری. پیش بینی جریان روزانه در حوضه ی آبریز رودخانه ی تلوار با مدل های هوشمند. اکوهیدرولوژی[Internet]. 1397؛5(1 ):203-213. Available from: https://sid.ir/paper/253979/fa

    IEEE: کپی

    مطلب بایزیدی، فرخ اسدزاده، و مهری کاکی، “پیش بینی جریان روزانه در حوضه ی آبریز رودخانه ی تلوار با مدل های هوشمند،” اکوهیدرولوژی، vol. 5، no. 1 ، pp. 203–213، 1397، [Online]. Available: https://sid.ir/paper/253979/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






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