|
پژوهشنامه مدیریت حوزه آبخیز، جلد ۱۰، شماره ۲۰، صفحات ۰-۰
|
|
|
عنوان فارسی |
مقایسه کارایی مدل IHACRES و شبکه عصبی مصنوعی برای پیشبینی جریان رودخانه سیوند |
|
چکیده فارسی مقاله |
تعیین دقیق جریان رودخانه در آبخیزهای فاقد آمار از چالشهای مهم در هیدرولوژی میباشد. در این راستا، با توجه به تنوع مدلهای هیدرولوژیکی موجود، انتخاب مدل مناسب مستلزم ارزیابی عملکرد مدلها در شرایط هیدرولوژیکی هر منطقه است. هدف از این پژوهش مقایسه کارایی روش شبکه عصبی مصنوعی (ANN) و مدل یکپارچه IHACRES برای پیشبینی جریان رودخانه سیوند در حوضه طشک- بختگان واقع در استان فارس بهعنوان یک منطقه گرم و خشک میباشد. از دادههای سالهای 1361 تا 1374 برای واسنجی و 1375 تا 1391 برای صحتسنجی مدل استفاده شد. برای ارزیابی قابلیت شبکههای عصبیمصنوعی، از جعبه ابزار مربوط به شبکه عصبی نرمافزار متلب استفاده شد. مقادیر جریان شبیهسازی شده بوسیله مدل IHACRES برای دبی سیلابی در دوره واسنجی بیشتر و در دوره صحتسنجی، کمتر از مقادیر مشاهداتی بود. مقادیر ضریب تبیین در فرایند واسنجی و صحتسنجی این مدل به ترتیب 62/0 و 54/0 بود. کمترین و بیشترین مقدار ضریب تبیین شبکه عصبی دینامیک در دورههای واسنجی و صحتسنجی بهترتیب 88/0 و 94/0 بود در حالیکه برای شبکههای عصبی ایستا بهترتیب 51/0 و 69/0 بود. براساس نتایج، شبکههای عصبی مصنوعی با دقت بیشتری نسبت به مدل IHACRES، جریان ماهانه رودخانه سیوند را پیشبینی کردند. |
|
کلیدواژههای فارسی مقاله |
آبخیز، سیلاب، شبکههای استاتیک، شبکههای دینامیک. |
|
عنوان انگلیسی |
Performance comparison of IHACRES model and artificial neural network to predict the flow of Sivand river |
|
چکیده انگلیسی مقاله |
The accurate determination of river flow in watersheds without sufficient data is one of the major challenges in hydrology. In this regard, given the diversity of existing hydrological models, selection of an appropriate model requires evaluation of the performance of the hydrological models in each region. The objective of this study was to compare the performance of artificial neural network (ANN) and IHACRES integrated model to predict the flow of sivand river in Tashak Bakhtegan watershed located in Fars province as a warm and arid area. Calibration and validation procedures were done by using data from 1982-1995 and 1996- 2012, respectively. Neural Network Toolbox of MATLAB software were used to evaluate the capabilities of neural networks. In both calibration and validation periods, simulated flows by the IHACRES model for flood flows, were less than the observed data. The determination coefficients of the model during calibration and validation were 0.62 and 0.54, respectively. The determination coefficients of dynamic neural networks and static neural networks during calibration and validation ranged from 0.88- 0.94 and 0.51- 0.69, respectively. The results demonstrated that artificial neural networks predicted monthly flow of sivand river more accurately than the IHACRES model. |
|
کلیدواژههای انگلیسی مقاله |
watershed, flood, static networks, dynamic networks. |
|
نویسندگان مقاله |
فهیمه کریمپور | Fahimeh Karimpour Sari Agricultural Sciences and Natural Resources University دانشگاه علوم کشاورزی و منابع طبیعی ساری، گروه مهندسی آب
عبداله درزی نفت چالی | Abdullah Darzi-Naftchali Sari Agricultural Sciences and Natural Resources University دانشگاه علوم کشاورزی و منابع طبیعی ساری، گروه مهندسی آب
مهدی نادی | mehdi nadi Sari Agricultural Sciences and Natural Resources University دانشگاه علوم کشاورزی و منابع طبیعی ساری، گروه مهندسی آب
|
|
نشانی اینترنتی |
http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-300-2&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 |
سایر موضوعات وابسته به مدیریت حوزه آبخیز |
نوع مقاله منتشر شده |
پژوهشی |
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|