مدلسازی فرآیند بارش - رواناب و پیشبینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلابها، طراحی سازههای آبی در حوزههای آبخیز و مدیریت خشکسالی است. هدف این تحقیق شبیهسازی جریان روزانه در حوزه آبخیز کسیلیان با استفاده از شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی است. روشهای هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین دادههای ورودی و خروجی میباشند. در این تحقیق از آمار بارش، تبخیر و دما ایستگاه هواشناسی سنگده که ورودی مدلها و آمار دبی ایستگاه ولیکبن که خروجی مدلها محسوب میشود طی سالهای 1382 تا 1388 استفاده شد. تعداد تأخیرهای لازم برای ورود متغیرهای ورودی به شبکهها با استفاده از نمودار خودهمبستگی جزئی به دست آمد. از بین متغیرهای مختلف در هر دو مدل ساختار بارش و تبخیر با یک روز تأخیر برای مدل بهینه انتخاب شد. سپس نتایج با استفاده از نمایههایRMSE ، NSH،MAE و Rmod برای مدل بهینه در هر دو مدل ارزیابی گردید. نتایج نشان داد که شبکه عصبی- فازی تطبیقی با تابع عضویت زنگولهای شکل، شعاع تأثیر 14/0 و نمایههای آماری 80/0 NSH=، 056/0 RMSE=، 11/0 MAE= و 81/0 Rmod= نسبت به مدل شبکه عصبی مصنوعی با همان ساختار با الگوریتم آموزشی لونبرگ- مارکوارت، تابع انتقال سیگمویید،14 نرون در لایه مخفی و نمایههای آماری 54/0 NSH=، 056/0 RMSE=، 14/0 MAE= و 87/0 Rmod= در دوره آزمون توانایی بهتری برای مدلسازی بارش - رواناب در حوزه آبخیز کسیلیان دارد.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |