جلد 23، شماره 1 - ( علوم آب و خاک - علوم و فنون کشاورزی و منابع طبیعی- بهار 1398 )
جلد 23 شماره 1 صفحات 366-351 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Shrifi Garmdareh E, Vafakhah M, Eslamian S. Assessment the Performance of Support Vector Machine and Artificial Neural Network Systems for Regional Flood Frequency Analysis (A Case Study: Namak Lake Watershed). jwss 2019; 23 (1) :351-366
URL: http://jstnar.iut.ac.ir/article-1-2977-fa.html
URL: http://jstnar.iut.ac.ir/article-1-2977-fa.html
شریفی گرمدره ابراهیم، وفاخواه مهدی، اسلامیان سیدسعید. ارزیابی کارایی سامانه‌های ماشین بردار پشتیبان و شبکه عصبی مصنوعی در تحلیل منطقهای سیلاب (مطالعه موردی: حوضه آبخیز دریاچه نمک). علوم آب و خاک. 1398; 23 (1) :351-366
1. گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس ، vafakhah@modares.ac.ir
چکیده: (6174 مشاهده)
تخمین دبی سیلاب با دوره بازگشت مختلف، یکی از مهم‌ترین عوامل لازم برای طراحی و اجرای سازههای آبی است. از طرفی بسیاری از رودخانههای موجود در حوضههای آبخیز ایران فاقد آمار و اطلاعات آبسنجی کامل و دقیق هستند. در چنین مواردی یکی از راه حل‌های مناسب برای برآورد دبیهای سیلابی با دوره بازگشت مختلف، انجام تحلیل منطقهای سیلاب است. در پژوهش حاضر 55 ایستگاه آبسنجی مورد استفاده قرار گرفتند. برای این‌منظور ابتدا دبیهای حداکثر لحظهای ایستگاههای منتخب در دوره بازگشتهای مختلف با استفاده از نرمافزار Easy Fit برآورد شد. سپس متغیرهای مؤثر بر دبیهای سیلابی جمعآوری و متغیرهای ورودی مدل با استفاده از آزمون گاما و به کمک نرمافزار WinGamma تعیین شدند. درنهایت مدلسازی دادهها با استفاده از ماشین بردار پشتیبان، شبکه عصبی مصنوعی و رگرسیون چند متغیره غیرخطی انجام پذیرفت. ارزیابی کمی و کیفی نتایج با استفاده از آمارههای گوناگون از جمله آماره ناش- ساتکلیف نشان داد که روش مدلسازی ماشین بردار پشتیبان، از بیشترین دقت نسبت به دو روش مدلسازی دیگر به‌منظور پیشبینی دبیهای حداکثر لحظهای در حوضه آبخیز دریاچه نمک برخوردار است.
واژه‌های کلیدی: ایستگاه آبسنجی، دوره بازگشت، آزمون گاما، ماشین بردار پشتیبان، حوضه آبخیز دریاچه نمک
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
