پیش بینی دبی اوج در نقاط پایین دست با استفاده از داده های ایستگاه های بالادست به کمک شبکه عصبی (مطالعه موردی: طالقان)

سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 128

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-9-1_009

تاریخ نمایه سازی: 30 بهمن 1401

چکیده مقاله:

در برخی موارد ممکن است ایستگاه هیدرومتری پایین دست منطقه به دلایلی تخریب شده باشد و دانستن دبی در پایین دست منطقه ضرورت داشته باشد، در این مواقع می توان با استفاده از اطلاعات موجود و یا داده های ایستگاه های بالادست، دبی در ایستگاه پایین دست را پیش بینی کرد. در این تحقیق دبی اوج در ایستگاه گلینک واقع در خروجی حوزه آبخیز طالقان با استفاده از شبکه عصبی مصنوعی در دو حالت پیش بینی شده است. در حالت اول از آمار گذشته ایستگاه، شامل دبی های متوسط حداکثر روزانه و بارش های متناظر، یک روز و پنج روز قبل، مجموع بارندگی پنج روز و دمای میانگین ماهانه استفاده شد و در حالت دوم آمار فوق الذکر در واحدهای هیدرولوژیک گته ده، مهران، علیزان و جوستان و همچنین پارامترهای فیزیوگرافی مساحت، ارتفاع متوسط، طول آبراهه اصلی و شیب متوسط نیز به مدل افزوده شدند. نوع شبکه مورد استفاده شبکه عصبی پیشخور دو لایه با الگوریتم پس انتشار بود که داده ها طی سه مرحله آموزش، اعتبارسنجی و تست گردیدند. نتایج حاکی از آن است که پیش بینی دبی اوج با استفاده از ایستگاه های بالادست و پارامترهای فیزیوگرافی بهتر از پیش بینی دبی با استفاده از اطلاعات سال های قبل در پایین دست ایستگاه می باشد.

نویسندگان

مریم خسروی

دانش آموخته کارشناسی ارشد/ آبخیزداری دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.

علی سلاجقه

دانشیار /دانشکده منابع طبیعی دانشگاه تهران و عضو قطب علمی مدیریت پایدار حوزه های آبخیز، دانشگاه تهران, کرج, ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Sajjad, A. and Simonovic, S.P (۲۰۰۵). An artificial neural network ...
  • Deo, M.C. and Thirumalayah. K. (۲۰۰۰). real time forcasting using ...
  • Han, J. (۲۰۰۲). Application of artificial neural networks for flood ...
  • Jankowski, N. and Duch. W. (۲۰۰۱). Optimal transfer function neural ...
  • Karunaithi, N., Crenny, J.W., Whitley, D. and Bovee, K. (۱۹۹۴). ...
  • Markus, M., Salas, J.D. and Shin, H.K. (۱۹۹۵). Predicting stream ...
  • Muttiah, R.S., Srinivasan, R. and Allen, P.M. (۱۹۹۷). Prediction of ...
  • Ni, J.R. and Xue, A. (۲۰۰۳). Application of artificial neural ...
  • Smith, J. and Eli, R.N. (۱۹۹۵). Neural-network models of rainfall-runoff. ...
  • Tienfuan, K. and Lee. C.S. (۲۰۰۶). Neural networks forecasting of ...
  • Zhu, M., Fajita, M. and Hashimoto, N. (۱۹۹۹). Application of ...
  • نمایش کامل مراجع