• مدل سازی رابطه بارش – روانآب توسط شبکه عصبی مصنوعی (ann) و hec-hms و مقایسه آن ها

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1064
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
     از سال ها قبل پیش بینی و کنترل روان آب ها برای آمادگی بیشتر در مواجهه با حوادث احتمالی آن ها موضوعی مهم و حائز اهمیت بوده است و برآورد بارش – روانآب و سیل به دلیل تاثیرگذاری عوامل مختلف دشوار به نظر می رسد. هدف از این پژوهش مدل سازی رابطه بین بارش – روانآب در حوضه آبریز شفارود پونل واقع در استان گیلان با آب و هوای معتدل و مرطوب است. استفاده از شبکه عصبی مصنوعی (ann) به طور فزاینده به روشی برای حل مشکلات منابع آب تبدیل شده است. در این تحقیق شبکه عصبی مصنوعی تشریح شده و به عنوان مدلی برای بیان رابطه بارش – روانآب استفاده شده است و معیارهای آماری شامل: میانگین مربع خطا، ضریب تبیین، میانگین مطلق خطای نسبی و معیارهای گرافیکی برای انجام پروژه مورد نظر تامین شده اند. فرآیند مدل سازی به وسیله هر دو روش شبکه عصبی و hec-hms انجام گرفته و نتایج بررسی شده است که نتایج به دست آمده بیانگر دقت بالاتر پیش بینی ها توسط شبکه عصبی می باشد. اما در نتایج به دست آمده دیده شد که دو مدل در پیش بینی روانآب های بالا نتایج متفاوتی به دست می دهند و عدم کارایی درست شبکه عصبی در این زمینه آشکار شد. که این مطلب با توجه به پر بارش بودن منطقه مورد بررسی موضوعی مهم به نظر می آید. شبکه عصبی چند لایه برای پروژه حاضر انتخاب شده و مقایسه نتایج آن با نتایج مدل های کلاسیک نشان داده است که عموماً شبکه های عصبی مصنوعی عملکرد بهتری نسبت به مدل های کلاسیک دارند.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها