بهار و تابستان                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print


دانشگاه بیرجند
چکیده:   (42 مشاهده)
چکیده
از مهم ترین مسائل در مدیریت حوزه­های آبخیز، پیش بینی فرآیندهای هیدرولوژیکی بارش – رواناب می­باشد. استفاده از مدل­های جدید در این زمینه می­تواند به مدیریت و برنامه­ریزی صحیح کمک کند. علاوه بر آن پیش­ بینی جریان رودخانه، مخصوصاَ در شرایط سیلابی، به مسئولان این امکان را خواهد داد که با آمادگی خسارت ناشی از سیل را کاهش دهند. با توجه به اهمیت پیش ­بینی جریان رودخانه در مدیریت منابع آب روش­های مختلفی برای مدل کردن جریان رودخانه­ها به­کار برده می­شوند، تا بتوان با به­ کارگیری این مدل در مدیریت خشکسالی و سیلاب خسارات ناشی از آن­ها را به حداقل ممکن رساند. در این مطالعه برای پیش­ بینی سری زمانی جریان روزانه ایستگاه آبسنجی سرمو واقع بر رودخانه محمدآباد، مدل نروفازی و هیبرید موجکی-عصبی مورد استفاده قرار گرفت. برای این هدف سری زمانی اصلی به مدت 28 سال به­وسیله تبدیل موجکی به سه زیر سری و با موجک مادر دابچیز نوع چهارم انجام شد. مقدار ضریب همبستگی در مدل نروفازی 88/0 و در مدل هیبرید موجکی-عصبی 95/0 به­ دست آمده است و نیز پارامترهای ارزیابی RMSE، MSE، NS در مدل موجکی-عصبی به ترتیب 004/0، 043/0 و 91/0 و در مدل نروفازی به ترتیب  32/0، 10/0 و 77/0 بدست آمد. در نهایت نتایج حاصل از تبدیل موجکی-عصبی با نتایج حاصل از نروفازی، مقایسه و ملاحظه شد که روش موجکی-عصبی نسبت به روش نروفازی دقت پیش­ بینی بالاتری دارد.
 
     
نوع مطالعه: پژوهشي | موضوع مقاله: هيدرولوژی
دریافت: ۱۳۹۶/۱۲/۱۲ | ویرایش نهایی: ۱۳۹۸/۳/۵ | پذیرش: ۱۳۹۷/۱۰/۱

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Journal of Watershed Management Research

Designed & Developed by : Yektaweb