این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه مدیریت حوزه آبخیز، جلد ۱۰، شماره ۱۹، صفحات ۰-۰
عنوان فارسی ارائه یک رویکرد نوین در افزایش کارایی مدل‌ منحنی سنجه رسوب در برآورد بار رسوب معلق حوزه‌های آبخیز (مطالعه موردی: رودخانه مهاباد چای، حوضه آبریز دریاچه ارومیه، استان آذربایجان غربی)
چکیده فارسی مقاله برآورد صحیح مقدار رسوب معلق نقش مهمی در طراحی بهینه سازه‌های آبی، مطالعات فرسایش و رسوب و مطالعات کیفی آب دارد. منحنی سنجه رسوب، یک مدل رگرسیونی مرسوم و شناخته‌شده در این زمینه بوده، بااین‌حال به دلیل تبدیلات لگاریتمی در واسنجی این مدل، مقادیر برآوردی آن اغلب کمتر از مقدار واقعی است. در پژوهش حاضر، با استفاده از داده‌های دبی لحظه‌ای جریان و بار رسوب معلق ایستگاه هیدرومتری بیطاس در رودخانه مهاباد چای، مدل منحنی سنجه رسوب واسنجی و پس‌ازآن، با استفاده از الگوریتم ژنتیک چند هدفه با مرتب‌سازی نامغلوب (NSGA-II)، ضرایب این مدل مجدداً بهینه شد. این الگوریتم یک‌روال خودکار بوده و می‌تواند توابع هدف مختلفی را در فرآیند واسنجی به­طور هم‌زمان مورداستفاده قرار دهد. در این رابطه در فرایند واسنجی مدل از چهار تابع هدفRMSE ،MAE ، NSE و LOGE  به­طور دوبه‌دو استفاده گردید که با توجه به نتایج ارزیابی مدل، توابع هدف NSE و LOGE به‌عنوان بهترین توابع هدف جهت بهینه‌سازی مدل انتخاب شدند. همچنین به‌منظور افزایش قدرت تعمیم دهی مدل‌ها، از شبکه عصبی بدون ناظر نگاشت خودسازمان‌ده (SOM) برای خوشه‌بندی داده‌ها و تشکیل دو مجموعه داده همگن (مجموعه‌های واسنجی و ارزیابی) به نسبت 70 و 30 درصد استفاده شد. نتایج نشان داد که استفاده از الگوریتم NSGA-II سبب افزایش کارایی مدل شده به‌نحوی‌که نتایج آن، از نتایج دیگر مدل‌های مرسوم منحنی سنجه رسوب (نظیر منحنی سنجه حد وسط دسته‌ها، منحنی سنجه‌های تصحیح‌شده با ضرایب تصحیحی) بهتر است. در این رابطه، مقدار خطای (RMSE) داده‌های آزمون در بهترین مدل منحنی سنجه، 65/383 تن در روز محاسبه گردید که با استفاده از الگوریتم NSGA-II به 94/102 تن در روز کاهش یافت. درمجموع، با استفاده از الگوریتم NSGA-II می‌توان ضرایب مدل منحنی سنجه رسوب را به‌نحوی‌ بهینه نمود که کارایی آن بیشتر از سایر مدل‌های سنتی گردد.  
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Presenting a New Approach to Increase the Efficiency of the Sediment Rating Curve Model in Estimating Suspended Sediment Load in Watersheds (Case Study: Mahabad-Chai River, Lake Urmia Basin, West Azarbayejan Province, Iran)
چکیده انگلیسی مقاله The estimation of the correct amount of suspended sediment has an important role in the optimal design of water structures, erosion studies and water quality studies. The sediment rating curve (SRC) is a conventional and well-known regression model. However, due to logarithmic transformations in calibrating this model, its estimated values ​​are often less than actual values. In the present study, using the instantaneous flow discharge and suspended sediment load of Beytas hydrometric station in the Mahabad-Chai river, the SRC model was calibrated, and then using Non-dominated Sorting Genetic Algorithm II (NSGA-II), the coefficients of this model optimized again. This algorithm is an automatic procedure and can use different objective functions in the calibration process simultaneously. In this regard, in the calibration process of the model, four objective functions RMSE, MAE, NSE, and LOGE were used as pairwise combinations. According to the results of the model evaluation, the NSE and LOGE objective functions were selected as the best objective functions for optimization of the model. In order to increase the power of the model's generalization, the self-organizing map (SOM) neural network was used to cluster data and form two homogeneous data sets (calibration and evaluation sets) of 70% and 30% respectively. The results showed that the use of the NSGA II algorithm resulted in improved model efficiency so that the results are much more favorable than the other results of conventional SRC models (such as the rating curve of mean load within discharge classes, SRC models corrected by correction factors). In this regard, the error value (RMSE) of the test data set in the best model of the conventional SRC models was 383.65 tons/day, which was reduced by using the NSGA II algorithm to 102.94 tons/day. In sum, using the NSGA-II algorithm, we can optimize the coefficients of the SRC model, which is more efficient than the other conventional models.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمودرضا طباطبایی | Mahmoudreza Tabatabaei
Soil Conservation and Watershed Management Research Institute, Agricultural Research, Education and Extension Organization (AREEO)
پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی

امین صالح پورجم | Amin Salehpour Jam
Soil Conservation and Watershed Management Research Institute, Agricultural Research, Education and Extension Organization (AREEO)
پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی

سید احمد حسینی | Seyed Ahmad Hosseini
Soil Conservation and Watershed Management Research Institute, Agricultural Research, Education and Extension Organization (AREEO)
پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی

نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-444-2&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده فرسایش خاک و تولید رسوب
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات