• مدل سازی بارش رواناب شهرستان لاهیجان بر اساس شبکه عصبی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1397/11/21
    • تاریخ انتشار در تی پی بین: 1397/11/21
    • تعداد بازدید: 278
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -

    مدل سازی بارش- رواناب یک فرآیند ضروری و پیچیده می باشد که در بهره برداری مناسب از مخازن و مدیریت و برنامه ریزی صحیح منابع آب نقش عمده ای دارد. مدل سازی این فرآیند با استفاده از روش های مختلفی امکان پذیر است. از نظر تئوری، در مدلسازی یک سیستم می بایست روابط صریح بین متغیرهای ورودی و خروجی معلوم باشند در حالی که به علت معلوم نبودن روابط صریح بین متغیرها و عدم قطعیت های ذاتی آن ها، استخراج چنین مدلی بسیار مشکل می باشد. هدف از انجام این پژوهش استفاده از شبکه عصبی مصنوعی در مدل سازی فرایند بارش-رواناب در شهرستان لاهیجان می باشد. در این پژوهش از مدل شبکه عصبی پرسپترون چند لایه (mlp) استفاده شد. ابتدا داده های بارندگی با توجه به الگوی زمانی بارندگی به چهار گروه تقسیم گردیدند. برای هر گروه توزیع بارندگی در چارک های زمانی مختلف، دبی پایه هیدروگراف، عمق کل بارندگی، عمق بارندگی تا وقوع زمان تمرکز حوضه، تداوم بارندگی و شاخص بارش پیشین به عنوان پارامترهای ورودی مدل شبکه عصبی لحاظ گردید. اطلاعات خروجی مدل شبکه عصبی به صورت دبی اوج هیدروگراف، زمان وقوع دبی اوج، زمان پایه هیدروگراف، زمان رسیدن به دبی برابر با 50 و 75 درصد دبی اوج و عرض های هیدروگراف متناظر با این دبی ها در نظر گرفت. نتایج نشان دهنده همبستگی قوی بین خروجی های مدل با داده های اندازه گیری شده می باشد. از یافته های پژوهش استنباط می شود که مدل شبکه عصبی پرسپترون چند لایه می تواند جهت مدل سازی فرآیند بارش -رواناب و سری های زمانی فرآیندهای پیچیده هیدرولوژیکی با دقت مناسب به کار برده شود.

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