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

XML English Abstract Print


گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
چکیده:   (249 مشاهده)
در این مطالعه برای اولین بار داده­های سری زمانی بارش و رواناب حوضه رودخانه شهرچای از سال 2000 تا 2017 با استفاده از یک مدل هوش مصنوعی نوین هیبریدی شبیه­سازی شد. برای توسعه مدل هوش مصنوعی مذکور سه الگوریتم ماشین آموزش نیرومند  (ELM)، تکامل تفاضلی (DE) و تبدیل موجک (WT) با هم ترکیب شدند و مدل­های ترکیبی SAELM و WSAELM ارائه شد. در ابتدا، موثرترین تاخیرهای داده­های سری زمانی با استفاده از تابع خود همبستگی شناسایی شدند. سپس با استفاده از این تاخیرها، برای هر یک از مدل­های SAELM و WSAELM هفت مدل هوش مصنوعی تعریف گردید. لازم به ذکر است که 70 درصد مقادیر مشاهداتی برای آموزش مدل­های هوش مصنوعی و 30 درصد باقیمانده نیز برای تست آنها استفاده شدند. لازم به ذکر است که مدل WSAELM 7 به­عنوان مدل برتر برای شبیه­سازی بارش و رواناب معرفی گردید. برای مدل WSAELM 7 مقادیر R2، شاخص پراکندگی  (SI) و ضریب نش (NSC) برای شبیه­سازی بارش به­ترتیب مساوی با 967/0، 208/0 و 965/0 بدست آمدند. همچنین تحلیل حساسیت نشان داد که تاخیرهای (t-1)، (t-2) و (t-12) به­عنوان موثرترین تاخیرهای ورودی در نظر گرفته شدند. در انتها برای مدل­های برتر یک تحلیل عدم قطعیت اجرا گردید که حاکی از عملکرد بیشتر از واقعیت مدل WSAELM 7 برای شبیه­سازی بارش و عملکردی کمتر از واقعیت برای شبیه­سازی رواناب بود.
 
     
نوع مطالعه: پژوهشي | موضوع مقاله: هيدرولوژی
دریافت: 1399/1/29 | ویرایش نهایی: 1400/2/25 | پذیرش: 1399/4/22

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

© 2021 CC BY-NC 4.0 | Journal of Watershed Management Research

Designed & Developed by : Yektaweb