A. Rezaei, M. Mahdavi, K. Luxe, S. Feiznia, M. H. Mahdian. Regional Peak Flows Modelling of Sefid rood Dam’s Sub Basins Using Artificial Neural Network. jwss 2007; 11 (1) :25-40
URL:
http://jstnar.iut.ac.ir/article-1-644-fa.html
علی رضایی ، محمد مهدوی ، کارو لوکس ، سادات فیض نیا ، محمد حسین مهدیان . مدلسازی منطقهای دبیهای اوج در زیر حوزههای آبخیز سد سفیدرود با استفاده از شبکه عصبی مصنوعی . علوم آب و خاک. 1386; 11 (1) :25-40
URL: http://jstnar.iut.ac.ir/article-1-644-fa.html
چکیده: (24350 مشاهده)
مدل مورد بحث در این تحقیق با استفاده از شبکه عصبی مصنوعی ساخته شده و در حوزه آبخیز سفیدرود (ناحیه غیر خزری) واسنجی شده است. انجام این تحقیق مبتنی بر جمعآوری و انتخاب آبنمودهایی فقط با منشأ بارندگی در 12 زیر حوزه با زمان تمرکز برابر و یا کمتر از 24 ساعت بوده است. از کل زیر حوزههای انتخابی به تعداد 661 آبنمود به منظور استفاده از دبی اوج آنها برای ساخت مدل پیشبینی، انتخاب گردیده است. متغیرهای ورودی مدل شامل بارندگی یکروزه سیلزا و بارندگی پنج روز قبل هر دبی اوج، مساحت زیرحوزه، طول آبراهه اصلی، شیب 85 -10 درصد طول آبراهه اصلی، ارتفاع میانه حوزه، مساحت سازندهای زمینشناسی و واحدهای سنگی در سه گروه هیدرولوژیکی یک، دو و سه، دبی پایه و متغیر خروجی نیز تنها دبی اوج بوده است. توسط روش شبکه عصبی مصنوعی از نوع تغذیه به جلو و روش آموزش پس انتشار خطا، تابع تبدیل متغیرهای ورودی به متغیر خروجی با طی سه مرحله آموزش، آزمایش و اعتبارسنجی به دست آمده است. همچنین بر اساس همان دادهها و متغیرها، مدل رگرسیون چند متغیریه خطی برای منطقه مورد بررسی ساخته شد. نتیجه مقایسه دبیهای اوج مشاهدهای و برآورد شده بر مبنای دسته دادههای اعتبار سنجی نشان میدهد که پارامترهای آماری ضریب (R2) و ضریب آماره آزمون فیشیر (F) ، برای مدل شبکه عصبی و رگرسیون چند متغیره خطی به ترتیب 84/0، 66/33 و 33/0، 60/3 بوده و بیانگر ارجهیت کامل مدل شبکه عصبی بر روشهای سنتی است.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومی دریافت: 1386/10/19 | انتشار: 1386/1/26