|
|
مهندسی آبیاری و آب ایران، جلد ۶، شماره ۴، صفحات ۶۴-۷۷
|
|
|
| عنوان فارسی |
پیشبینی تراز آب دریاچه ارومیه با استفاده از روش‌های سری زمانی، شبکه عصبی مصنوعی و شبکه عصبی- موجکی |
|
| چکیده فارسی مقاله |
دریاچه ارومیه دومین دریاچه شور جهان است و با توجه به معیارهای اجتماعی- اقتصادی و زیست محیطی نقش مهمی در منطقه شمالغرب ایران دارد که در سالهای اخیر با مشکلاتی مواجه شده است و به دلیل خشکسالی، استفاده بیش از حد آبهای سطحی و ساخت سدها تراز سطح آب آن کاهش یافته است. یکی از فاکتورهای مهم که در مدیریت صحیح در هر زمینهای، تأثیر دارد، داشتن یک دید و نگرش مناسب از اتفاقات آینده در آن زمینه است به همین دلیل شبیهسازی و سپس پیشبینی متغیرهای هیدرولوژیکی از اهمیت ویژهای برخوردار است. بنابراین در پژوهش حاضر به مقایسه سه روش پیشبینی سری زمانی آریما، شبکه عصبی مصنوعی و شبکه عصبی- موجکی جهت ارائه بهترین روش پیشبینی تراز سطح آب دریاچه ارومیه در مقیاس ماهانه پرداخته شده است. نتایج حاصل با توجه به معیار ضریب تبیین و جذر میانگین مربعات خطا مقایسه شد که نشاندهنده عملکرد بهتر شبکه عصبی- موجکی در مقایسه با دو روش سری زمانی آریما و شبکه عصبی مصنوعی، به دلیل لحاظ نمودن تغییرات ماهانه، فصلی و سالانه در قالب تجزیه سریهای زمانی میباشد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Forecasting of water level in Urmia Lake using Time series, Artificial Neural Network and Neural Network-Wavelet. |
|
| چکیده انگلیسی مقاله |
Abstract Urmia Lake in Iran is the second largest saline lake in the world. Due to various socio-economical and ecological criteria, Urmia Lake has important role in the Northwestern part of the country but it has faced many problems in recent years. Because of droughts, overuse of surface water resources and dam constructions water level is reduced. One of the important factors that has influence in correct management, is having a suitable point of view for future events in that field. So simulation and forecasting of hydrological variables has many importance. In this research, time series, Artificial Neural Network and Neural Network-Wavelet methods for presentation the best method in monthly scale for simulation and forecasting Urmia Lake water level is compared. Comparing these three methods indicates that forecasting with Neural Network-Wavelet due to considering monthly, seasonal and annual changes in the time series analysis, has the best Performance. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
مهدی کماسی |
استادیار گروه عمران دانشگاه آیت الله العظمی بروجردی (ره).
حامد نوذری |
استادیار گروه علوم و مهندسی آب دانشگاه بوعلی سینا همدان
ندا قشلاقی |
دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه بوعلی سینا همدان
|
|
| نشانی اینترنتی |
http://www.waterjournal.ir/article_73995_8eea6a2d66dde6dd583313130a08efd9.pdf |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|