این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه مدیریت حوزه آبخیز، جلد ۸، شماره ۱۶، صفحات ۵۳-۶۴
عنوان فارسی بررسی توانمندی مدل شبکه عصبی مصنوعی در شبیه‌سازی فرآیند بارش-رواناب در شرایط تغییر اقلیم (مطالعه موردی: حوزه سد پاشاکلا بابل)
چکیده فارسی مقاله پیش‏بینی جریان رودخانه‏ها نقش بسزایی در برنامه‏ریزی، مدیریت و بهره‏برداری از منابع آب دارد. برای دستیابی به این هدف و با توجه به پدیده‏ی گرمایش جهانی، لازم است سری زمانی بارش و رواناب روزانه برای دوره‏های آتی شبیه‏سازی شود. لذا ضروریست آشکارسازی رخداد تغییر اقلیم و تأثیر آن بر بارش و رواناب در سطح حوزه مورد بررسی قرار گیرد. در گام اول این پژوهش، با استفاده از آزمون آماری روند من-کندال، رخداد تغییر اقلیم در حوزه پاشاکلا بابل در استان مازندران به اثبات رسید. نتایج بررسی 36 سال آمار متوسط دمای روزانه، نشان‏دهنده روند افزایشی متوسط دما در سطح حوزه می‏باشد. در گام دوم، از مدل لارس تحت مدل گردش عمومی جو HadCM3 و سناریوی A2، برای تولید سری زمانی بارش روزانه در دوره آتی استفاده شد. به‏این منظور داده‏های بارش، دمای کمینه، دمای بیشینه و ساعات آفتابی برای دوره پایه 12 ساله (2015-2004) وارد مدل شده و سری زمانی بارش روزانه در سطح حوزه برای دوره آتی 10 ساله (2025-2016) پیش‏بینی شد. در گام سوم، از مدل شبکه عصبی مصنوعی، برای شبیه‏سازی فرآیند بارش-رواناب در شرایط تغییر اقلیم و تولید سری زمانی رواناب روزانه در دوره آتی استفاده شد. در نهایت، به‏منظور بالا بردن قابلیت مدل شبکه عصبی مصنوعی در پیش‏بینی رواناب روزانه، علاوه بر داده‏های بارش روزانه پیش‏بینی شده، داده‏های بارش و رواناب یک روز قبل نیز به عنوان عوامل مؤثر در رواناب روز جاری وارد مدل شده و با استفاده از نرون‏های بارش و رواناب ضریب همبستگی برابر با 8/0 به‏دست آمد. این ضریب همبستگی در سطح 1 درصد معنی‏دار بوده و نشان‏دهنده قابلیت مدل در شبیه‏سازی فرآیند بارش-رواناب می‏باشد.
کلیدواژه‌های فارسی مقاله تغییر اقلیم، رواناب روزانه، مدل شبکه عصبی مصنوعی، مدل لارس
عنوان انگلیسی Investigation the Ability of Artificial Neural Network in Simulation of Rainfall-Runoff Process under the Climate Change Conditions (Case Study: Pashakola Babol Dam Basin)
چکیده انگلیسی مقاله River flow forecasting plays an important role in planning, management and operation of water resources. To achieve this goal and according to the phenomenon of global warming, it is necessary to simulate the daily time series of rainfall and runoff for future periods. Therefore, it is important to survey the detection of climate change event and its impact on precipitation and runoff in the basin. In the first step of this research, using Mann-Kendall trend statistical test, climate change event in the Pashakola Babol basin in Mazandaran province is confirmed. The results of the survey on 36 years daily mean temperature data, reflect the increasing trend in average temperature in the basin. In the second step, the LARS-WG model under general circulation models HadCM3 and A2 scenario is used to generate the daily rainfall time series in the future period. In order to rainfall data, minimum temperature, maximum temperature and sunshine hours is entered in the model for 12-year base period (2004-2015) and Then daily rainfall time series in the basin is predicted for the next 10-year period (2016-2025). In the third step, the artificial neural network model is used to simulate the process of rainfall - runoff in the climate change condition and to generate the daily runoff time series in the future period. Finally, in order to enhance the capability of the artificial neural network model in predicting the daily runoff, besides the predicted daily precipitation data, the rainfall and runoff data one day before as effective factors on the current day runoff is also entered in the model and using rainfall and runoff neurons. Correlation coefficient was obtained equal to 0.8. This correlation coefficient is significant at 1% and show the ability of model to simulate rainfall–runoff process.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله معصومه خادمی |


رامین فضل اولی |


علیرضا عمادی |


نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-202&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
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