این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های دانش زمین، جلد ۵، شماره ۱، صفحات ۰-۰
عنوان فارسی مدل‌سازی و پیش‌بینی دبی‌های رودخانه‌های استان اردبیل با استفاده از مدل‌ شبکه عصبی مصنوعی
چکیده فارسی مقاله در این پژوهش، مقادیر دبی‌های رودخانه‌های استان اردبیل با بهره‌گیری از مدل شبکه‌های عصبی مصنوعی و نیز با استفاده از توابع و امکانات نرم افزار MATLAB، مدل‌سازی شد. بدین منظور، از آمار بلند‌مدت ایستگاه‌های هیدرومتری رودخانه‌های این استان و برخی پارامترهای اقلیمی (دما، رطوبت نسبی، بارندگی و فشار) ایستگاه‌های سینوپتیک موثر بر میزان دبی‌های حوضه‌های این استان در طول دوره آماری 30 ساله (سال‌ آبی 58-1357 تا 88-1387) بهره ‌گرفته شد. ورودی‌های شبکه، داده‌های متوسط ماهانه‌ی متغیرهای بارش، دما، رطوبت نسبی (حداقل، میانگین و حداکثر) و متوسط فشار ایستگاه‌های سینوپتیک اردبیل و خلخال و خروجی شبکه نیز مقادیر متوسط دبی‌های ماهانه‌ی شش ایستگاه‌ هیدرومتری بران، دوست‌بیگلو، مشیران، گیلانده، سامیان و درو می‌باشند. برای هر ایستگاه یک شبکه با خطای کمتر از 5 درصد طراحی گردید. پس از بررسی شاخص‌های عملکرد شبکه از جمله ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، میانگین درصد خطا و ضریب همبستگی مشاهده شد که پیش‌بینی دبی با دقت قابل قبولی انجام شده به طوری که میزان ضریب همبستگی‌آن 99/0 و حداکثر خطای آنها 51/3 درصد بوده است. Abstract In this study, flows of Ardabil province rivers were modeled by using artificial neural network models and the use of functions and features in MATLAB. Therefore, long-term data of Ardabil hydrometric stations and meteorological parameters of synoptic stations affecting on the rate of flow of Ardabil province basins (temperature, relative humidity, precipitation and pressure) during the 30-year period (1979-2009) were used. Network inputs are the average monthly rainfall, temperature, relative humidity (minimum, average and maximum) and mean pressure of Ardabil and Khalkhal synoptic stations. The network output values are the monthly average of flows of six hydrometric stations like Dust-bigelow, Mashiran, Gilandeh, Samian and Dero. For each station, a network was designed with an error of less than 5 percent. After analyzing network performance indices such as the coefficient of determination, root mean square error, mean square error, mean absolute error, average percentage error and correlation coefficient was observed that the predicted flow rates with acceptable accuracy was such that the correlation coefficient 0.99 and the maximum errors are 3.51 percent. Keywords: Ardabil Province Rivers, Artificial Neural Networks, Prediction, flows.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی
چکیده انگلیسی مقاله In this study, flows of Ardabil province rivers were modeled by using artificial neural network models and the use of functions and features in MATLAB. Therefore, long-term data of Ardabil hydrometric stations and meteorological parameters of synoptic stations affecting on the rate of flow of Ardabil province basins (temperature, relative humidity, precipitation and pressure) during the 30-year period (1979-2009) were used. Network inputs are the average monthly rainfall, temperature, relative humidity (minimum, average and maximum) and mean pressure of Ardabil and Khalkhal synoptic stations. The network output values are the monthly average of flows of six hydrometric stations like Dust-bigelow, Mashiran, Gilandeh, Samian and Dero. For each station, a network was designed with an error of less than 5 percent. After analyzing network performance indices such as the coefficient of determination, root mean square error, mean square error, mean absolute error, average percentage error and correlation coefficient was observed that the predicted flow rates with acceptable accuracy was such that the correlation coefficient 0.99 and the maximum errors are 3.51 percent.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله برومند صلاحی |


نشانی اینترنتی http://esrj.sbu.ac.ir/article/view/2555
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1384/article-1384-460158.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده علوم پایه
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات