این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۱۸، شماره ۱، صفحات ۱۸-۳۰
عنوان فارسی تأثیر دما بر برآورد جریان خروجی از حوضه آبریز توسط شبکه‌های عصبی پرسپترون و کانولوشنی همراه با تحلیل موجک
چکیده فارسی مقاله تخمین جریان خروجی از یک حوضه آبریز تحت تأثیر پارامترهای مختلف، فرایندی پیچیده بوده و در صورت کمبود اطلاعات حوضه، استفاده از مدل‌های تحلیلی امکان‌پذیر نیست. از سوی دیگر، مدل‌‌های هوش مصنوعی نیاز به مشخصات حوضه نداشته و برخی مانند شبکه عصبی کانولوشنی (CNN) اخیراً در هیدرولوژی کاربرد فراوانی داشته‌اند. هدف این تحقیق بررسی عملکرد CNN در برآورد جریان خروجی بر حسب پارامترهای دما، بارش و دبی ورودی به حوضه بوده است. در این تحقیق از CNN، ترکیب CNN با تحلیل موجک (WCNN) و از شبکه عصبی پرسپترون (MLP) جهت ارزیابی ‌تأثیر دما بر برآورد جریان خروجی در حوضه آبریز قلعه شاهرخ چلگرد در بازه زمانی سال 1992 تا 2015 میلادی استفاده شد. هر مدل 20 مرتبه اجرا شده و میانگین مقادیر ضریب همبستگی (R)، ریشه میانگین مربعات خطا (RMSE) و ضریب نش- ساتکلیف (NS) محاسبه شده‌اند. تأخیر یک، دو و سه ماهه داده‌های دما و بارندگی نیز به ‌عنوان داده ورودی لحاظ شده است. همچنین، از تحلیل موجک جهت پیش‌پردازش داده‌ها در کاهش نوفه استفاده شده و نتایج نشان داد که CNN با تأخیر سه ماهه دارای مقادیر، و به‌‌ترتیب برابر (m3/s) 0/922 ،14/20 و 0/772 بود. در مقابل، روش WCNNT3 با موجک Daubechies که ترکیب CNN و تحلیل موجک است، با عملکرد سطح چهار و وضوح دو (WCNNT3-db42) دارای مقادیر شاخص‌های ارزیابی برابر (m3/s) 0/945 ،9/45 و 0/863 بود. بر این اساس، CNN عملکرد بهتری نسبت به MLP داشته و روش WCNN نیز با کمک تحلیل موجک، کارایی و عملکرد بهتری نسبت بهCNN از خود نشان داد.
کلیدواژه‌های فارسی مقاله خروجی حوضه، شبکه کانولوشنی، تحلیل موجک، کاهش نوفه، قلعه شاهرخ،
عنوان انگلیسی The Temperature Effect on the Estimation of Basin Outflow by Perceptron and Convolutional Neural Networks with Wavelet Analysis
چکیده انگلیسی مقاله Estimation of basin outflow under the influence of various parameters is a complex process and in case of basin information lack, the analytical models are not applicable. On the other hand, Artificial Intelligence models do not require basin information, and some, such as the convolutional neural network (CNN), have recently been widely used in hydrology. The purpose of this study was to investigate the performance of CNN in estimating the outflow in terms of temperature, precipitation and inflow to the basin. In this study, CNN, combination of CNN with wavelet analysis (WCNN), and perceptron neural network (MLP) were used to evaluate the effect of temperature on the outflow within the Ghaleh Shahrokh Chelgard basin from 1992 to 2015. Each model was run 20 times and the mean values ​​of correlation coefficient(R), root mean square error (RMSE) and Nash Sutcliffe coefficient (NS) were calculated. Lags of one, two and three-month of temperature and rainfall data are also included as input data. Wavelet analysis was used for noise reduction and the results showed that CNN with a lag of three months had , and equal to 14.20 (m3/s), 0.922 and 0.772, respectively. In contrast, the WCNNT3 method with Daubechies wavelet, which is a combination of CNN and wavelet analysis, ​​with level four performance and resolution two (WCNNT3-db42) had indices respectively equal to 9.45 (m3/s), 0.945 and 0.863. Accordingly, CNN performed better than MLP, and the WCNN method with wavelet analysis showed better performance than CNN.
کلیدواژه‌های انگلیسی مقاله خروجی حوضه, شبکه کانولوشنی, تحلیل موجک, کاهش نوفه, قلعه شاهرخ
نویسندگان مقاله ایمان نادری راد |
دانشجوی دکتری، گروه مهندسی عمران، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران.

محسن سعادت |
استادیار، گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران.

آوید آوخ |
استادیار، دانشکده مهندسی برق و مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران.

میلاد مهرپرور |
دانش آموخته دکتری، کارشناس طراح، مهندسین مشاور طرح و تحقیقات آب و فاضلاب، اصفهان، ایران

نشانی اینترنتی https://www.iwrr.ir/article_147314_2c30ca750bf3e41f71e35bedcdc5da3f.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