این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۱۲، شماره ۳، صفحات ۲۰۱-۲۰۶
عنوان فارسی ارزیابی عملکرد برخی مدل‌های آماری و محاسبات نرم در پیش‌بینی جریان رودخانه
چکیده فارسی مقاله باتوجه به کاهش منابع آب به‌خصوص در کشور ایران، پیش‌بینی جریان رودخانه اهمیت زیادی یافته و لازم است از بهترین روش‌ها استفاده گردد. بدین منظور روش‌های خطی و غیرخطی زیادی وجود دارد. ازآنجایی‌که تشخیص خطی یا غیرخطی بودن دبی ماهانه دشوار است، در این پژوهش عملکرد برخی مدل‌های خطی و غیرخطی در پیش‌بینی جریان ماهانه‌ی رودخانه‌ی جامیشان واقع در استان کرمانشاه بررسی گردید. این مدل‌ها شامل مدل‌های خودهمبسته با میانگین متحرک تجمعی (ARIMA)، شبکه‌های عصبی مصنوعی (ANN) و سامانه‌ی استنتاج فازی مبتنی بر شبکه‌ی تطبیقی (ANFIS) می‌باشند. در استفاده از مدل ARIMA با درنظر گرفتن پنج پارامتر از هر نوع، تمامی مدل‌های ممکن بررسی گردید. برای مدل‌های ANN و ANFIS نیز با تعیین 14 نوع ترکیب ورودی مختلف بهترین مدل‌ها شناسایی شد. قابلیت مدل‌های به‌دست‌آمده در پیش‌بینی جریان در درازمدت نیز سنجیده شد. نتایج بیانگر آن بود که مدل ANFIS توانایی بیشتری در شناسایی تأخیرهای زمانی مؤثر بر جریان نسبت به مدل ANN دارد. این مدل همچنین از دقت بیشتری نسبت به سایر مدل‌ها به‌خصوص در پیش‌بینی مقادیر حدی برخوردار است. برخلاف آن مدل ARIMA قابلیت بسیار بالایی در پیش‌بینی دبی‌های با مقادیر کم از خود نشان داد. بررسی‌ها بیانگر آن بود که از هر سه مدل می‌توان در درازمدت استفاده کرد.
کلیدواژه‌های فارسی مقاله دبی ماهانه، پیش‌بینی، مدل‌سازی، ARIMA، ANFIS،
عنوان انگلیسی Performance evaluation of some statistical and soft computing models to predict river flow
چکیده انگلیسی مقاله Regarding to the water resources reduction especially in Iran, the river flow forecasting has been very important and it is necessary to use the best methods. For this purpose, there are several linear and nonlinear methods. As monthly linearity and nonlinearity of inflow detection is difficult, in this study the performance of some linear and nonlinear models to predict the monthly flow of Jamishan river in Kermanshah province was investigated. These models include autoregressive integrated moving average (ARIMA), artificial neural networks (ANN) and adaptive neuro-fuzzy inference system (ANFIS). In using of ARIMA model with considering five parameters of any kind, all possible models were evaluated. For ANFIS and ANN models with determination of 14 different input combinations, the best models were identified. The capability of obtained models in the long-term time flow prediction was also assessed. The results revealed that ANFIS model is more capable compare to ANN in identification of effective time delays on flow. This model is also more accurate than other models in peak values prediction. Unlike it, ARIMA models showed high capability in prediction of low values. Studies indicated that all three models can be used for long-term time as well.
کلیدواژه‌های انگلیسی مقاله Monthly inflow, Prediction, Modeling, ARIMA, ANFIS
نویسندگان مقاله حمید معینی |
دانشجوی کارشناسی ارشد مهندسی عمران آب دانشگاه رازی، کرمانشاه، ایران
سازمان اصلی تایید شده: دانشگاه رازی (Razi university)

حسین بنکداری |
استاد گروه مهندسی عمران دانشگاه رازی، کرمانشاه، ایران
سازمان اصلی تایید شده: دانشگاه رازی (Razi university)

صاحبه عبدالهی |
کارشناس ارشد مهندسی عمران آب، دانشگاه رازی، کرمانشاه، ایران
سازمان اصلی تایید شده: دانشگاه رازی (Razi university)

نشانی اینترنتی http://www.iwrr.ir/article_14644_fd9efc5e78ec127175c3f6f1acf0dedf.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/709/article-709-320724.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