این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های حفاظت آب و خاک، جلد ۲۳، شماره ۲، صفحات ۲۷۹-۲۸۹
عنوان فارسی مدل‌سازی رابطه دبی_اشل در رودخانه با استفاده از روش شبکه‌های عصبی مصنوعی(ANN) و روش کنترل گروهی داده‌ها(GMDH)(مطالعه موردی: رودخانه اسکویلکیل)
چکیده فارسی مقاله پیش‌بینی جریان در رودخانه‌ها، یکی از مهم‌ترین مولفه‌های فرآیندهای هیدرولیکی و هیدرولوژیکی در مدیریت منابع آب می‌باشد. به منظور کاربردهای هیدرولوژیکی گوناگون نظیر تجزیه ‌و‌تحلیل بیلان آب و رسوب و همچنین پروژه‌های کنترل و بهره‌برداری از مخازن، وجود اطلاعات دقیقی از شرایط دبی جریان در رودخانه بسیار مهم می‌باشد. از این رو هیدرولوژیست‌ها از داده‌های تاریخی جهت ایجاد یک رابطه میان دبی جریان و تراز سطح آب استفاده می‌کنند که از این رابطه تحت عنوان رابطه دبی- اشل یا منحنی سنجه (RC) یاد می‌شود. با پیشرفت‌های اخیر در زمینه هوش مصنوعی و محاسبات نرم در مطالعات منابع آب، استفاده از این روش‌ها می‌تواند گزینه مناسبی جهت مدل‌سازی فرآیندهای هیدرولیکی و هیدرولوژیکی باشد. در این تحقیق، مدلی بر اساس روش کنترل گروهی داده‌ها (GMDH) که یک رویکرد مدل‌سازی خود سازمانده مبتنی بر داده است، جهت مدل‌سازی رابطه دبی- اشل درایستگاه هیدرومتری فیلادلفیا روی رودخانه اسکویلکیل (Schuylkill) واقع در ایالت متحده آمریکا توسعه داده شده است. 12 مدل مختلف بر اساس ترکیبات مختلف متغیرهای ورودی از جریان و اشل با دو تابع هدف غیرخطی درجه اول و درجه دوم مورد استفاده قرار گرفته است. بررسی کارایی مدل‌ها با استفاده از معیارهای آماری RMSE، MPRE و ضریب NASH انجام شده است. مقادیر معیارهای آماری به دست آمده از این مدل‌سازی در دوره آزمون مدل نشان می‌دهد که مدلی با مقادیر MSE،MPRE و ضریب NASH به ترتیب برابر با 8/15، 303/0 و 999/0 به عنوان بهترین مدل دبی- اشل در این رودخانه انتخاب می‌گردد.
کلیدواژه‌های فارسی مقاله روش‌های داده‌محور، رابطه دبی- اشل، مدل‌سازی، ANN، GMDH،
عنوان انگلیسی Stage-Discharge Relationship Modeling in River Using Artificial Neural Network (ANN) and Group Method of Data Handling (GMDH) Methods (Case study: Schuylkill River)
چکیده انگلیسی مقاله River flow forecasting in rivers, is one of the most important components of hydraulic and hydrological processes in water resource management. For various hydrological applications such as water and sediment budget analysis, operation and control of water resources projects, the accurate information about flow value in rivers is very important. For this reason hydrologists use historical data to establish a function relationship between water level and discharge which is known stage-discharge relation or rating curve (RC). With the recent advancements in artificial intelligence and soft computing in water resource studies, there is a choice of better techniques to modeling hydraulic and hydrological processes. This paper describes the use of the Group Method of Data Handling (GMDH) that is a self organization modeling approach base on data, for stage-discharge relationship modeling at Philadelphia station in Schuylkill River, USA. 12 Different input combinations including the previous stages and discharges with 2 kind of active function are used. The accuracy of model was evaluated using Root Mean Square Error (RMSE), Mean Percent Relative Error (MPRE) and Nash–Sutcliffe model efficiency coefficient (NASH). The values of statistical parameters RMSE, MPRE and NASH for the best model of stage- discharge relationship in this river in validation period are 15.8, 0.303 and 0.999 respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مریم حسین زاده |
دانشگاه شهید با هنر کرمان

کورش قادری |
دانشگاه شهید باهنر کرمان
سازمان اصلی تایید شده: دانشگاه شهید باهنر (Shahid bahonar university)

محمد مهدی احمدی | mohammad mehdi
دانشگاه شهید باهنر کرمان
سازمان اصلی تایید شده: دانشگاه شهید باهنر (Shahid bahonar university)

نشانی اینترنتی http://jwsc.gau.ac.ir/article_3069_419d3e79a8f52a2fc600433b78514d5f.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1379/article-1379-239796.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات