جلد 11، شماره 1 - ( بهار 1386 )                   جلد 11 شماره 1 صفحات 40-25 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
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

مدلسازی منطقه‌ای دبی‌های اوج در زیر حوزه‌های آبخیز سد سفیدرود با استفاده از شبکه عصبی مصنوعی
علی رضایی* ، محمد مهدوی ، کارو لوکس ، سادات فیض نیا ، محمد حسین مهدیان
چکیده:   (24579 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.
واژه‌های کلیدی: بارندگی، رواناب، دبی ‌اوج، سازندها
متن کامل [PDF 276 kb]   (4610 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومی
دریافت: 1386/10/19 | انتشار: 1386/1/26
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله علوم آب و خاک دانشگاه صنعتی اصفهان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | JWSS - Isfahan University of Technology

Designed & Developed by : Yektaweb