این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات آب و خاک ایران، جلد ۵۲، شماره ۵، صفحات ۱۳۹۵-۱۴۰۷
عنوان فارسی مدل‌سازی بارش- رواناب با استفاده از مدل HBV و الگوریتم جنگل تصادفی در حوضه آبخیز بازفت
چکیده فارسی مقاله برآورد رواناب حاصل از بارندگی در یک حوضه آبخیز از جهات گوناگون از جمله مدیریت مخازن سدها، مدیریت منابع آب، تنظیم سیلاب، کنترل فرسایش کناره و بستر رودخانه حائز اهمیت می­باشد. در این مطالعه، از مدل مفهومی HBV و مدل هوش مصنوعی جنگل تصادفی (RF) به منظور شبیه­سازی فرایند بارش-­رواناب در حوضه آبخیز بازفت در ایستگاه هیدرومتری لندی برای دوره آماری 2010 تا 2017 استفاده شد. برای ارزیابی عملکرد مدل­ها، از آماره­های ضریب همبستگی (r)، ریشه میانگین مربعات خطا (RMSE)، معیار کارایی نش–­ساتکلیف (NS)، میانگین مطلق درصد خطا (MAPE) و میانگین قدرمطلق خطا (MAE) استفاده شد. مقایسه نتایج مدل مفهومی HBV و مدل RF نشان‌دهنده عملکرد بهتر مدل RF بود. بنابراین، مدل RF با مقادیر (m3/s 39/0RMSE=، 59/9MAPE=، 25/0MAE=، 95/0 r= و 82/0NS=) به عنوان مدل برتر انتخاب گردید و این مدل می­تواند برای کاربردهای آینده به عنوان یک گزینه جدید برای پیش­بینی رواناب در حوضه بازفت مورد استفاده قرار گیرد.
کلیدواژه‌های فارسی مقاله بارش،رواناب،تبخیر- تعرق،مدل جنگل تصادفی،حوضه بازفت،
عنوان انگلیسی Rainfall- Runoff Modeling Using HBV Model and Random Forest Algorithm in Bazoft Watershed
چکیده انگلیسی مقاله Estimation of runoff in a catchment area is important from various aspects such as dam reservoir management, water resources management, flood regulation, and erosion control in river banks and bed. In the present study, a conceptual model of HBV and an intelligent model of Random Forest (RF) were used to simulate the rainfall- runoff process in Bazoft watershed at the Landi hydrometric station during the period of 2010 to 2017. In order to evaluate the performance of models, the statistical criteria, including Correlation coefficient (r), Root Mean Squares Error (RMSE), Nash-Sutcliffe efficiency coefficient (NS), Mean Absolute Percentage Error (MAPE), and Mean Absolute Error (MAE) were used. Comparing the results of HBV and RF models revealed that the RF model outperformed the HBV. Thus, the RF model with r=0.95, NS=0.82, MAPE=9.59, MAE=0.25, and RMSE=0.39 m3/s was selected as the top model which might be used as a new choice to predict runoff in Bazoft watershed.
کلیدواژه‌های انگلیسی مقاله بارش,رواناب,تبخیر- تعرق,مدل جنگل تصادفی,حوضه بازفت
نویسندگان مقاله فاطمه سهرابی گشنیگانی |
دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران.

رسول میرعباسی نجف آبادی |
دانشیار گروه مهندسی آب؛ دانشکده کشاورزی؛ دانشگاه شهرکرد؛ شهرکرد؛ ایران

محمدرضا گلابی |
دکترای هیدرولوژی و منابع آب، گروه مهندسی آب، دانشکده علوم آب، دانشگاه شهید چمران اهواز، اهواز، ایران.

نشانی اینترنتی https://ijswr.ut.ac.ir/article_82453_62da0597cdcd3acaf009129fa778ef8f.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
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