این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های فرسایش محیطی، جلد ۱۲، شماره ۳، صفحات ۰-۰
عنوان فارسی مدل‌سازی و پیش‌بینی رواناب ماهانه در دامنه زمان (مطالعه موردی: حوضه آبریز قره‌سو)
چکیده فارسی مقاله در پژوهش حاضر جهت مدل­سازی رواناب ماهانه، از داده­های 4 ایستگاه هیدرومتری پل توسکاستان، نهارخوران، غازمحله و سیاه­آب در حوضه آبریز قره­سو در یک دوره آماری 36 ساله استفاده شد. سپس بررسی همگنی سری داده­ها با استفاده از آزمون چاو انجام شد. پس از مرتب­سازی­ داده­ها، جهت مدل­سازی مقادیر رواناب ماهانه از 4 روش­ باکس و جنکینز (SARIMA)، شبکه عصبی مصنوعی (ANN)، شبکه عصبی مصنوعی-فازی (ANFIS) و الگوریتم ژنتیک (GA) در ایستگاه­های هیدرومتری منتخب استفاده شد. پس از مدل­سازی مقادیر رواناب­ ماهانه با استفاده از 4 مدل فوق، اقدام به پیش­بینی تغییرات رواناب ماهانه در ایستگاه­های هیدرومتری منتخب برای 12 ماه آینده با کمک نرم­افزارهای Minitab، R و SPSS شد. با توجه به نوع پراکنش مقادیر رواناب و وجود داده صفر، برای تثبیت واریانس از تبدیلlog(1+Yt)  در مدل استفاده گردید. در مرحله بعد اعتبارسنجی مقادیر پیش­بینی شده توسط مدل­ها با استفاده از شاخص­های MAD، RMSE و MAPE مورد ارزیابی قرار گرفت. نتایج نشان داد که در اکثر ایستگاه­های هیدرومتری منتخب، مدل شبکه عصبی مصنوعی دارای بهترین عملکرد در بین 4 مدل مورد استفاده بوده است. بعد از شبکه عصبی مصنوعی، شبکه عصبی مصنوعی-فازی دارای مناسب­ترین عملکرد بوده است. روش باکس و جنکینز با توجه به اینکه در تشخیص روند تغییرات مناسب عمل کرده بود، ولی در بین 4 مدل مورد استفاده عملکرد ضعیف­تری در پیش­بینی مقادیر رواناب داشته است.
کلیدواژه‌های فارسی مقاله رواناب ماهانه، شبکه عصبی مصنوعی، الگوریتم ژتتیک، باکس و جنکینز، حوضه آبریز قره‌سو
عنوان انگلیسی Modeling and forecasting monthly runoff in the time domain (Case study: River basin Gharasou)
چکیده انگلیسی مقاله In this research, to model and forecast the runoff process, the monthly runoff time series of 4 hydrometric stations of Pol-Tuskestan, Naharkhoran, Ghazmahale and Siah-ab in Gharasou River basin used for a period of 36 years (1982-2018). The time series homogeneity was examined using the Chow`s method. After sorting the data, 4 models including Box and Jenkins (SARIMA), Artificial Neural Network (ANN), Adaptive Neuro-Fuzzy Inference Systems (ANFIS) and Genetic Algorithm (GA) models were used to forecast monthly runoff for the next 12 months by using Minitab, R and SPSS software packages. According to the type of distribution of monthly runoff and the presence of zero data, log(1+Yt) conversion was used in the models to stabilize the variance. Finally, based on the forecasted values and using MAD, RMSE and MAPE indices, the accuracy and precision of models were compared. The results of models validation showed that the ANN model in the more of hydrometric stations had the best performance among the 4 models used. After ANN model, the ANFIS model has been selected as the most suitable model. Although SARIMA model has performed very well in identifying the trend of monthly runoff changes, but it has had the weakest performance among the methods. 
کلیدواژه‌های انگلیسی مقاله Monthly runoff, Artificial Neural Network, Genetic Algorithm, Box and Jenkins, Gharasou River Basin
نویسندگان مقاله حامد قزل‌سفلی | Hamed Ghezelsefla
گروه مرتع‌و‌ابخیزداری،دانشگاه گنبد کاووس

نادر جندقی | Nader Jandaghi
گروه مرتع‌و‌ابخیزداری،دانشگاه گنبد کاووس

مجتبی قره محمودلو | Mojtaba Ghareh Mahmoodlu
گروه مرتع‌و‌ابخیزداری،دانشگاه گنبد کاووس

مجید عظیم محسنی | Majid Azimmohseni
گروه‌آمار، دانشگاه گلستان

مرتضی سیدیان | Moorteza Seyedian
گروه مرتع‌و‌ابخیزداری،دانشگاه گنبد کاووس

نشانی اینترنتی http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-720-3&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
نوع مقاله منتشر شده مستخرج از پایان‌نامه / رساله / طرح پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات