>
Fa   |   Ar   |   En
   مدلسازی فرآیند بارش- رواناب با استفاده از روش کنترل گروهی داده ها (Gmdh) و شبکه های عصبی مصنوعی (Ann) در حوزه آبخیز پلرود  
   
نویسنده پورنعمت رودسری عادل ,قادری کوروش ,کریمی گوغری شهرام
منبع پژوهشنامه مديريت حوزه آبخيز - 1393 - دوره : 5 - شماره : 10 - صفحه:68 -84
چکیده    مدلسازی بارش رواناب یک فرآیند ضروری و پیچیده می باشد که در بهره برداری مناسب از مخازن و مدیریت و برنامه ریزی صحیح منابع آب نقش عمده ای دارد. مدلسازی این فرآیند با استفاده از روش های مختلفی امکانپذیر است. از نظر تئوری، در مدلسازی یک سیستم می بایست روابط صریح بین متغیرهای ورودی و خروجی معلوم باشند. در حالیکه به علت معلوم نبودن روابط صریح بین متغیرها و عدمقطعیت های ذاتی آنها، استخراج چنین مدلی بسیار مشکل می باشد. بنابراین استفاده از روش های داده محور که محاسبات را در شرایط غیردقیق انجام می دهند و کاربردهای فراوانی در مسائل شناسایی کنترلی داشته اند، اجتناب ناپذیر است. روش کنترل گروهی داده ها ( gmdh ) یکی از انواع این روش ها می باشد که به تدریج یک نگاشت بین متغیرهای ورودی و خروجی تولید می کند. در این تحقیق برای شبیه سازی فرآیند بارشرواناب حوزه آبریز پلرود، یک مدل بر اساس رویکرد gmdh توسعه داده شده است. ارزیابی نتایج با استفاده از معیارهای آماری انجام شده و همچنین با نتایج شبکه های عصبی ( ann ) نیز مقایسه شده است. نتایج حاکی از توانایی بالای هر دو روش در پیش بینی و شناسایی روابط پیچیده بین متغیرها در پیش بینی رواناب روزانه ناشی از بارندگی می باشند. مقادیر نتایج معیارهای آماری بیانگر عملکرد بهتر رویکرد استقرائی ghmd نسبت به شبکه های عصبی در مدلسازی بارش رواناب در این حوزه می باشد.
کلیدواژه مدلسازی بارش- رواناب، روش های داده محور، روش کنترل گروهی داده ها، شبکه های عصبی، حوزه آبریز پلرود
آدرس دانشگاه شهید باهنر کرمان, ایران, دانشگاه شهید باهنر کرمان, ایران, دانشگاه شهید باهنر کرمان, ایران
 
   Rainfall Runoff Modeling using Group Method of Data Handling (GMDH) and Artificial Neural Network (ANN) IN In Polrood Basin  
   
Authors
Abstract    Rainfallrunoff modeling is an essential process and very complicated phenomena that is necessary for proper reservoir system operation and successful water resources planning and management. There are different methods like conceptual and numerical methods for modeling of this process. Theoretically, a system modeling required explicit mathematical relationships between inputs and outputs variables. Developing such explicit model is very difficult because of unknown relationship between variables and substantial uncertainty of variables. In this case, Data driven methods which are based on imprecise conditions and evolutionary algorithms have shown capabilities in many nonlinear systems identification and control issues. One of these intelligent methods is Group Method of Data Handling (GMDH). This method produce complex model during the performance evaluation of input and output information sets increasingly. So in this research we have developed a model based on GMDH for rainfallrunoff modeling in Polrood basin located in North of Iran in Guilan province. Results have evaluated using statistical criteria and compared with an artificial neural network (ANN) model. Results have shown the high performance of two methods for rainfall runoff modeling in dairy scales. Based on statistical criteria, experiment results indicates that the GMDH model was powerful tool to model rainfall runoff time series and can be applied successfully in complex hydrological modeling.
Keywords Keywords: Rainfall-Runoff modeling ,Data Driven Method ,GMDH ,ANN ,Polrood basin
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved