پپیش بینی و ارزیابی ارتباط دبی رودخانه در ایستگاه های هیدرومتریک متوالی با استفاده از روش های ترکیبی GPR-EEMD (مطالعه موردی: رودخانه هوستونیک)
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 50، شماره: 10
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 152
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-50-10_007
تاریخ نمایه سازی: 2 خرداد 1402
چکیده مقاله:
پیشبینی دقیق دبی در رودخانهها، از مهمترین مولفههای فرآیندهای هیدرولوژیکی و هیدرولیکی در مدیریت منابع آب، به ویژه در اتخاذ تدابیر مناسب در مواقع خشکسالی و بروز سیلاب است. در این تحقیق از تابع موجک و تجزیه مد تجربی یکپارچه که از ابزارهای محاسبات نرم محسوب می شوند، جهت استخراج ویژگیهای سری زمانی استفاده گردیده و کارایی مدلهای موجک- گوسین (DWT- GPR) و تجزیه مد تجربی یکپارچه- گوسین (EEMD- GPR) برای پیشبینی دبی بین سه ایستگاه متوالی رودخانه هوستونیک، واقع در آمریکا مورد بررسی قرار گرفته است. برای این منظور در گام اول، مقدار دبی ایستگاه پاییندست، توسط ایستگاههای بالادست با استفاده از مدل رگرسیون فرایند گاوسی پیشبینی شده است. سپس سریهای زمانی دبی و اشل توسط تبدیل موجک و تجزیه مد تجربی یکپارچه به زیرسریهایی تجزیه گشته و این زیرسریها جهت شبیهسازی رابطه دبی- اشل وارد مدل رگرسیون فرایند گاوسی شدند. همچنین تاثیر هر یک از زیرسریهای روش تجزیه مد تجربی یکپارچه (Residual and IMFs) در نتایج پیشبینی، بررسی گردید. مشاهده گردید که ناکارآمدترین زیرسری در تجزیه مد تجربی یکپارجه، زیرسری باقیمانده (Residual) میباشد. نتایچ حاکی از آن است که روشهای ترکیبی موجک (DWT- GPR) و تجزیه مد تجربی یکپارچه (EEMD- GPR) تا حدود زیادی باعث بهبود نتایج گردیدند. به عنوان نمونه،برای مرحله آزمون مدل برتر پیشبینی دبی ایستگاه دوم، مدل تلفیقی تجزیه مد تجربی یکپارچه- گوسین ۷۴/۰DC= را به ۸۰/۰DC= و مدل تلفیقی موجک- گوسین ۷۴/۰DC= را به ۸۳/۰DC= ارتقاء داد.
کلیدواژه ها:
نویسندگان
کیومرث روشنگر
دانشیار گروه آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران
معصومه چمنی
دانشجوی کارشناسی ارشد، گروه آب، دانشکده عمران، دانشگاه تبریز، تبریز، 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 :