پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 44 |
| تعداد شمارهها | 1,877 |
| تعداد مقالات | 15,278 |
| تعداد مشاهده مقاله | 43,733,028 |
| تعداد دریافت فایل اصل مقاله | 17,567,101 |
مقایسه شبکه عصبی مصنوعی و مدل HEC – HMS در برآورد بارش – رواناب در حوضه آبریز رودخانه اعظم هرات | ||
| تحقیقات جغرافیایی(توقف انتشار) | ||
| مقاله 8، دوره 27، شماره 107، تیر 1391، صفحه 140-160 اصل مقاله (371.26 K) | ||
| نویسندگان | ||
| کمال امیدوار* ؛ مهران اژدرپور | ||
| دانشگاه یزد | ||
| چکیده | ||
| چکیده یکی از روشهایی که در زمینه های مختلف علمی استفاده شده و میتواند فرایند پیچیده بارش – رواناب را شبیهسازی کند، استفاده از مدلهای شبکه عصبی مصنوعی است. هدف این تحقیق بررسی کارآمدی شبکههای عصبی مصنوعی در شبیهسازی فرایند بارش- رواناب و مقایسه نتایج آنها با مدل HEC – HMS در حوضه آبریز رودخانه اعظم هرات در استان یزد است. دادههای مورد استفاده در این تحقیق شامل بارندگی روزانه به همراه دبی روزانه و لحظهای رودخانه مزبور طی یک دوره آماری 24 ساله (1361-1385) است. ابتدا بارش نگارهای چندین پیشامد بارندگی و آبنمودهای رواناب آنها مبنای کار قرار گرفت. سپس شبکه عصبی مصنوعی با الگوریتم پسانتشار خطا و استفاده از تابع تبدیل سیگموئید آموزش داده شد. معیار گزینش پارامترهای شبکه در مرحله آموزش، تولید کمترین مقدار (RMSE) در خروجیهای آن بود. مدل HMS به روش پیشنهادی SCS و شماره منحنی (CN) اجرا شد. برای ارزیابی کارایی شبکه عصبی مصنوعی، داده های شبیهسازی شده و مشاهدهای مربوط به کل دبی و حجم رواناب، دبیها و زمانهای اوج مقایسه شدند. یافته های تحقیق نشان میدهد که ضرایب همبستگی کل دبیهای مشاهدهای و برآورد شده شبکه عصبی 978/0 و مدل HMS 823/0 است و خروجی شبکه نسبت به خروجی مدل از دقت بیشتری برخوردار است. ضرایب همبستگی مربوط به حجم رواناب برآورد شده و دبی اوج به ترتیب برای شبکه 986/0 و 981/0 و برای مدل 979/0 و 972/0 به دست میآید. مقایسه زمان اوج آبنمودهای واقعی با موارد پیشبینی شده ANN و HMS نشان میدهد که دقت شبکه در این مورد نیز به مراتب از دقت مدل استفاده شده بیشتر است و ضرایب همبستگی شبکه 833/0 و مدل 491/0 برآورد میشود. مقایسه عملکرد شبکه و مدل به کار رفته نشان میدهد که در تمام پارامترهای مورد نظر دقت شبکه بیشتر از مدل HMS است. با انجام آزمون t با سطوح احتمال 95 و 99 درصد، اختلاف معنیداری میان اندازههای مشاهدهای و شبیهسازی شده مربوط به همه پارامترهای مورد بررسی مشاهده نشد. | ||
| کلیدواژهها | ||
| واژه های کلیدی: شبکه عصبی مصنوعی (ANN) مدل HEC؛ واژه های کلیدی: شبکه عصبی مصنوعی (ANN) مدل HEC-HMS؛ HMS؛ بارش – رواناب؛ دبی؛ رودخانه اعظم هرات (یزد) | ||
|
آمار تعداد مشاهده مقاله: 329 تعداد دریافت فایل اصل مقاله: 632 |
||