مرتضی اکبری؛ احسان رعنایی؛ حسن میرزاخان؛ علیرضا درگاهی؛ محمدرضا جرگه
چکیده
ارزیابی روانآب و جریان حاصل از ذوب برف در مناطق کوهستانی یکی از فعالیت‌های مهم در مدیریت منابع آبی به‌شمار می‌آید. در این خصوص، روش‌های مختلفی ارائه و پیشنهاد شده است که می‌توان به روش شاخص- دما، اشاره نمود. هدف از این تحقیق شبیه‌سازی رواناب حاصل از ذوب برف، با استفاده از مدل هیدرولوژیکی SRM و مقایسه نتایج با مدل‌های شبکه عصبی مانند ...
بیشتر
ارزیابی روانآب و جریان حاصل از ذوب برف در مناطق کوهستانی یکی از فعالیت‌های مهم در مدیریت منابع آبی به‌شمار می‌آید. در این خصوص، روش‌های مختلفی ارائه و پیشنهاد شده است که می‌توان به روش شاخص- دما، اشاره نمود. هدف از این تحقیق شبیه‌سازی رواناب حاصل از ذوب برف، با استفاده از مدل هیدرولوژیکی SRM و مقایسه نتایج با مدل‌های شبکه عصبی مانند شبکه عصبی مصنوعی و مدل استنتاج فازی عصبی تطبیقی است. جهت تحقق این هدف، حوضه آبریز سد کارده، واقع در شمال شهرستان مشهد مورد بررسی و مطالعه قرار گرفت. داده‌های جریان، بارندگی و دمای در محل ایستگاه‌های هیدرومتری، باران‌سنجی و تبخیرسنجی منطقه (مربوط به سال آبی 1379-1380) و تغییرات سطح پوشش برف از طریق پردازش تصاویر ماهواره‌ای و با استفاده از شاخص نرمال شده تمایز برف بدست آمد. شبیه‌سازی جریان با استفاده از مدل‌های SRM، ANN از نوع پرسپترون چند لایه با ساختار الگوریتم پس انتشار خطا و مدل ANFIS از نوع سوگنو انجام شد. برای ارزیابی کارایی مدل‌ها علاوه بر آماره هایی نظیر میانگین مربعات خطا و معیار درصد میانگین مطلق خطا از معیارهای ضریب تبیین و تفاضل حجمی نیز استفاده گردید. نتایج نشان داد هر سه مدل از نظر پارامترهای آماری میانگین مربعات خطا و ضریب تبیین تقریباً وضعیت مشابهی داشته و اختلاف ناچیزی دارند. بطوری که مدل SRM نسبتاً توانسته روند تغییرات دبی روزانه را با کیفیت بهتری مدل‌سازی نماید. اما در مقایسه میزان درصد میانگین مطلق خطای بین سه مدل، مدل ANFIS نسبت به مدل شبکه عصبی مصنوعی به میزان 40 درصد و نسبت به مدل SRM به میزان 15 درصد خطای حاصل از فرآیند شبیه سازی را کاهش داده است و از نظر تفاضل حجمی، دو مدل ANN و ANFIS نسبت به مدل SRM وضعیت بهتری داشته و مقدار این پارامتر برای هر دو مدل پائین بوده است.
سعید صمدیان فرد؛ رضا دلیرحسن نیا
چکیده
منابع آب شیرین قابل استحصال با محدودیت جدی مواجه است، بنابراین پیش‌بینی هرچه دقیق‌تر جریان رودخانه در تحلیل بسیاری از پدیده‌های خشکسالی و سیلاب، آبگیری از رودخانه‌ها و سایر مسائل مرتبط از اهمیت بالایی برخوردار بوده و از ارکان اساسی برنامه‌ریزی و مدیریت منابع آب‌های سطحی می باشد. از این‌رو متخصصان همواره برای تخمین صحیح دبی رودخانه ...
بیشتر
منابع آب شیرین قابل استحصال با محدودیت جدی مواجه است، بنابراین پیش‌بینی هرچه دقیق‌تر جریان رودخانه در تحلیل بسیاری از پدیده‌های خشکسالی و سیلاب، آبگیری از رودخانه‌ها و سایر مسائل مرتبط از اهمیت بالایی برخوردار بوده و از ارکان اساسی برنامه‌ریزی و مدیریت منابع آب‌های سطحی می باشد. از این‌رو متخصصان همواره برای تخمین صحیح دبی رودخانه و اصلاح روش‌های موجود تلاش می‌نمایند. در این راستا و در تحقیق حاضر، از روش‌های هوشمند برنامه‌ریزی ژنتیک و مدل درختی M5 برای مدل‌سازی و پیش‌بینی جریان رودخانه شهرچای در حوضه آبریز دریاچه ارومیه استفاده شده است. بدین منظور، داده‌های میانگین ماهانه دبی رودخانه شهرچای در ایستگاه بند در بازه زمانی بین سال‌های 1330 الی 1390 برای واسنجی و صحت‌سنجی روش‌های مذکور مورد استفاده قرار گرفته و دقت این روش‌ها با استفاده از پارامترهای آماری جذر میانگین مربعات خطا، میانگین خطای مطلق و ضریب همبستگی مورد بررسی قرار گرفته است. نتایج حاصل از این مطالعه نشان دادند که روش برنامه ریزی ژنتیک با دارا بودن خطای 3094/3 و مدل درختی M5 با خطای 5514/3 در حالت استفاده از حافظه‌های دبی یک، دو و سه ماه قبل (Qt-1, Qt-2, Qt-3) با داشتن کمترین مقدار خطا، عملکرد مناسبی در پیش‌بینی جریان رودخانه داشته اند. در نهایت روش برنامه ریزی ژنتیک در حالت استفاده از توابع ریاضی متشکل از چهار عملی اصلی، لگاریتم و توان و با در نظر گرفتن پارامترهای ورودی Qt-1,Qt-2,Qt-3 و دارا بودن بهترین عملکرد، به‌عنوان روشی مناسب برای پیش‌بینی جریان رودخانه پیشنهاد گردید.
