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