تعداد نشریات | 30 |
تعداد شمارهها | 956 |
تعداد مقالات | 8,322 |
تعداد مشاهده مقاله | 8,753,449 |
تعداد دریافت فایل اصل مقاله | 6,923,621 |
استفاده از دادههای بازتحلیلی و مدلهای هوشمند در شبیهسازی رابطه بارش رواناب (مطالعه موردی: حوضه آبریز بازفت) | ||
علوم و مهندسی آبیاری | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 12 اردیبهشت 1400 | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22055/jise.2021.36292.1947 | ||
نویسندگان | ||
بهزاد زکی1؛ علی محمد آخوند علی* 2؛ منوچهر فتحی مقدم3؛ محمد امین مداح4 | ||
1گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران . | ||
2استاد گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران | ||
3استاد گروه سازههای آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران . | ||
4استادیار گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران . | ||
چکیده | ||
امروزه استفاده از مدلهای هوشمند در شبیهسازی فرایند بارش رواناب کاربرد زیادی بهویژه در مدیریت منابع آب پیدا کرده است. در این مطالعه بهمنظور پیشبینی سری زمانی جریان روزانه در ایستگاه هیدرومتری مرغک، واقع در حوضه کارون، از مدل هوشمند شبکه عصبیمصنوعی تلفیق شده با آنالیز موجک استفاده شده است. برای این منظور، سری زمانی بارش مشاهدهای و بازتحلیلی ERA-INTRIM به مدت 16 سال (1382-1397) بهوسیلهی تبدیل موجک به زیر سریهای فرکانسی تجزیه شد، سپس این زیر سریها هر کدام بهطور جداگانه بهعنوان دادههای ورودی به مدل شبکه عصبی مصنوعی وارد گردید. نتایج بهدست آمده حاکی از آن بود که دادههای بازتحلیلی توانایی بالایی در شبیهسازی مدلهای بارش رواناب دارند و میتوانند جایگزین خوبی برای دادههای مشاهدهای ایستگاههای بارش باشند. همچنین مطابق نتایج روش تبدیل موجک میتواند بر بهبود عملکرد مدل ANN ساده برای حوضه بازفت در مقیاس روزانه برابر 38 درصد و در مقیاس ماهانه برابر 72 درصد موٌثر باشد. | ||
کلیدواژهها | ||
تبدیل موجک؛ سری زمانی بارش؛ شبکه عصبی مصنوعی؛ ایستگاه مرغک؛ ERA-Intrim | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 396 |