##plugins.themes.bootstrap3.article.main##

فتحی فتحی , محمدی محمدی , همایی همایی ,

چکیده

چکیده
پیش بینی جریان ورودی به منابع آبی یکی از مهمترین مسائل در برنامه‌ریزی و مدیریت بهینه آنها در جهت تولید انرژی برق آبی و تخصیص آب به منابع مصرف، محسوب می شود. پارامترهای مختلفی بر میزان دبی ورودی به سد تاثیرگذار می‌باشند. در مناطق خشک و نیمه خشک نظیر ایران، متغیرهای اقلیمی نظیر درجه حرارت و بارندگی بیشترین تاثیر را بر میزان رواناب ورودی به منابع آبی دارند. یک مدل بارش - رواناب ماهانه مناسب، ابزاری توانمند جهت بررسی اثر تغییرات اقلیمی بر قابلیت دسترسی آب برای تولید انرژی برق -آبی به شمار می‌آید. تحقیقات نشان داده است که رابطه مابین مقدار رواناب و متغیرهای تاثیر گذار بر آن ارتباطی غیرخطی و پیچیده دارند. شبکه های عصبی مصنوعی به علت خصوصیات منحصربفرد خود، قابلیت بالایی را در شبیه سازی روابط غیرخطی دارا می‌باشند. شبکه‌های عصبی مصنوعی تحولی عظیم در تحلیل رفتار سیستم‌های دینامیک در علوم مختلف مهندسی آب ایجاد کرده است. در این تحقیق سعی شده است با تبیین ویژگی‌های شبکه عصبی مصنوعی، شبکه استاتیکی برای بازیابی ارتباط غیرخطی مابین متغیرهای مستقل و وابسته طراحی گردد تا به کمک آن، تخمین هوشمند دبی متوسط ماهیانه ورودی به سد وحدت میسرگردد. در ادامه، با طراحی و بسط مدل شبکه عصبی دینامیکی بر مبنای کارکرد سری زمانی، مقدار آورد ماهانه ورودی به سد، مورد پیش‌بینی قرار گرفت. سپس از شبکه عصبی برای مدل سازی سری زمانی غیر خطی آورد ماهانه رودخانه استفاده شد. همچنین با مقایسه نتایج حاصل از مدل شبکه عصبی استاتیکی و دینامیکی، عملکرد مدل‌های طراحی شده مورد ارزیابی و سنجش قرار گرفت. نتایج حاصل از تحقیق نشان داد که انطباق خوبی مابین مقادیر پیش بینی شده با شبکه‌های عصبی ترکیبی و داده‌های مشاهداتی وجود دارد. همچنین نتایج نشان داد که مدل شبکه عصبی دینامیکی سری زمانی با دقت بالاتری نسبت به مدل استاتیکی، مقدار آورد ماهانه را پیش‌بینی می‌نماید.

واژه‌های کلیدی: دبی متوسط ماهیانه، شبکه عصبی مصنوعی، سری زمانی

جزئیات مقاله

مراجع
ارجاع به مقاله
فتحیف., محمدیم., & هماییه. (2009). مدلسازی هوشمند سری زمانی آورد ماهانه ورودی به سد وحدت سنندج. آب و خاک, 23(1). https://doi.org/10.22067/jsw.v0i0.1552
نوع مقاله
علمی - پژوهشی