پژوهشنامه مدیریت حوزه آبخیز، جلد ۸، شماره ۱۵، صفحات ۲۵۰-۲۵۸

عنوان فارسی تخمین دبی اوج سیلاب و حجم رواناب رگبار با استفاده از شبکه عصبی- فازی تطبیقی (مطالعه موردی: حوزه آبخیز کسیلیان)
چکیده فارسی مقاله پیش­بینی دبی اوج سیلاب و حجم رواناب یکی از چالش­های مهم در مدیریت حوزه­های آبخیز می­باشد. پژوهش حاضر با هدف تخمین دبی اوج سیلاب و حجم رواناب به کمک شبکه عصبی مصنوعی و شبکه عصبی-فازی تطبیقی در حوزه آبخیز کسیلیان صورت گرفته است. بدین منظور 15 ویژگی بارندگی برای 60 رگبار از سال 1354 تا 1388 مدنظر قرار گرفت. شاخص­های آماری میانگین مربعات خطا (RMSE)، ضریب کارایی (CE) و ضریب تبیین (R2) برای ارزیابی کارآیی مدل­ها استفاده شدند. نتایج نشان داد که متغیر دبی اوج سیلاب روش شبکه عصبی- فازی تطبیقی با ضریب تبیین 95/0، مجموع میانگین مربعات خطای 22/1 و ضریب کارایی 85 درصد نسبت به شبکه عصبی مصنوعی با ضریب تبیین 86/0، مجموع میانگین مربعات خطای 28/1 و ضریب کارایی 82 درصد عملکرد بهتری داشته است. در متغیر حجم رواناب نیز شبکه عصبی فازی- تطبیقی با ضریب تبیین 99/0، مجموع میانگین مربعات خطای 54/2369 و ضریب کارآیی 99 درصد نسبت به شبکه عصبی مصنوعی ضریب تبیین 98/0، مجموع میانگین مربعات خطای 82/10282 و ضریب کارایی 98 درصد عملکرد بهتری ارئه نمود. با توجه به نتایج آنالیز حساسیت بارش مازاد حساس­ترین عامل در تخمین دبی اوج و حجم رواناب شناخته شد.
کلیدواژه‌های فارسی مقاله

عنوان انگلیسی Estimation of Event Flood Peak Discharge and Runoff Volume using Adaptive Neuro-Fuzzy Inference System (A Case Study: Kasilian Watershed)
چکیده انگلیسی مقاله      Prediction of flood peak discharge and runoff volume is one of the major challenges in the management of watersheds. The present study was carried out to estimate event flood peak discharge and runoff volume using artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS) in Kasilian watershed, Iran. For this purpose, 15 rainfall characteristics were considered for 60 storms from 1975 to 2009. Statistical indices of mean square error (RMSE), coefficient of efficiency (CE) and the coefficient of determination (R2) were used to assess models performance. The results showed that flood peak discharge variable, ANFIS with RMSE=1.28m3s-1, CE=%82 and  R2=0.86 has better performance than ANN with RMSE=1.22m3s-1, CE=%82 and  R2=0.95 and for runoff volume variable, ANFIS with RMSE=2369.54 m3, CE=%99 and  R2=0.99 has better performance than ANN with RMSE=10282.82m3, CE=%98 and  R2=0.98. Also, the results of the sensitivity analysis indicated that the most sensitive factor is excess rainfall for runoff flood peak discharge and runoff volume estimation.
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله سعید جانی زاده |


مهدی وفاخواه |



نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-195&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1495/article-1495-438358.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات