مدل‌سازی رابطه دبی_اشل در رودخانه با استفاده از روش شبکه‌های عصبی مصنوعی(ANN) و روش کنترل گروهی داده‌ها(GMDH)(مطالعه موردی: رودخانه اسکویلکیل)

پیش‌بینی جریان در رودخانه‌ها، یکی از مهم‌ترین مولفه‌های فرآیندهای هیدرولیکی و هیدرولوژیکی در مدیریت منابع آب می‌باشد. به منظور کاربردهای هیدرولوژیکی گوناگون نظیر تجزیه ‌و‌تحلیل بیلان آب و رسوب و همچنین پروژه‌های کنترل و بهره‌برداری از مخازن، وجود اطلاعات دقیقی از شرایط دبی جریان در رودخانه بسیار مهم...

Full description

Saved in:
Bibliographic Details
Main Authors: مریم حسین زاده, کورش قادری, محمد مهدی احمدی
Format: Article
Language:fas
Published: Gorgan University of Agricultural Sciences and Natural Resources 2016-05-01
Series:پژوهش‌های حفاظت آب و خاک
Subjects:
Online Access:https://jwsc.gau.ac.ir/article_3069_419d3e79a8f52a2fc600433b78514d5f.pdf
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:پیش‌بینی جریان در رودخانه‌ها، یکی از مهم‌ترین مولفه‌های فرآیندهای هیدرولیکی و هیدرولوژیکی در مدیریت منابع آب می‌باشد. به منظور کاربردهای هیدرولوژیکی گوناگون نظیر تجزیه ‌و‌تحلیل بیلان آب و رسوب و همچنین پروژه‌های کنترل و بهره‌برداری از مخازن، وجود اطلاعات دقیقی از شرایط دبی جریان در رودخانه بسیار مهم می‌باشد. از این رو هیدرولوژیست‌ها از داده‌های تاریخی جهت ایجاد یک رابطه میان دبی جریان و تراز سطح آب استفاده می‌کنند که از این رابطه تحت عنوان رابطه دبی- اشل یا منحنی سنجه (RC) یاد می‌شود. با پیشرفت‌های اخیر در زمینه هوش مصنوعی و محاسبات نرم در مطالعات منابع آب، استفاده از این روش‌ها می‌تواند گزینه مناسبی جهت مدل‌سازی فرآیندهای هیدرولیکی و هیدرولوژیکی باشد. در این تحقیق، مدلی بر اساس روش کنترل گروهی داده‌ها (GMDH) که یک رویکرد مدل‌سازی خود سازمانده مبتنی بر داده است، جهت مدل‌سازی رابطه دبی- اشل درایستگاه هیدرومتری فیلادلفیا روی رودخانه اسکویلکیل (Schuylkill) واقع در ایالت متحده آمریکا توسعه داده شده است. 12 مدل مختلف بر اساس ترکیبات مختلف متغیرهای ورودی از جریان و اشل با دو تابع هدف غیرخطی درجه اول و درجه دوم مورد استفاده قرار گرفته است. بررسی کارایی مدل‌ها با استفاده از معیارهای آماری RMSE، MPRE و ضریب NASH انجام شده است. مقادیر معیارهای آماری به دست آمده از این مدل‌سازی در دوره آزمون مدل نشان می‌دهد که مدلی با مقادیر MSE،MPRE و ضریب NASH به ترتیب برابر با 8/15، 303/0 و 999/0 به عنوان بهترین مدل دبی- اشل در این رودخانه انتخاب می‌گردد.
ISSN:2322-2069
2322-2794