>
Fa   |   Ar   |   En
   تخمین دبی اوج سیلاب و حجم رواناب رگبار با استفاده از شبکه عصبی- فازی تطبیقی (مطالعه موردی: حوزه آبخیز کسیلیان)  
   
نویسنده جانی زاده سعید ,وفاخواه مهدی
منبع پژوهشنامه مديريت حوزه آبخيز - 1396 - دوره : 8 - شماره : 15 - صفحه:250 -258
چکیده    پیش بینی دبی اوج سیلاب و حجم رواناب یکی از چالش های مهم در مدیریت حوزه های آبخیز می باشد. پژوهش حاضر با هدف تخمین دبی اوج سیلاب و حجم رواناب به کمک شبکه عصبی مصنوعی و شبکه عصبیفازی تطبیقی در حوزه آبخیز کسیلیان صورت گرفته است. بدین منظور 15 ویژگی بارندگی برای 60 رگبار از سال 1354 تا 1388 مدنظر قرار گرفت. شاخص های آماری میانگین مربعات خطا (rmse)، ضریب کارایی (ce) و ضریب تبیین (r2) برای ارزیابی کارآیی مدل ها استفاده شدند. نتایج نشان داد که متغیر دبی اوج سیلاب روش شبکه عصبی فازی تطبیقی با ضریب تبیین 95/0، مجموع میانگین مربعات خطای 22/1 و ضریب کارایی 85 درصد نسبت به شبکه عصبی مصنوعی با ضریب تبیین 86/0، مجموع میانگین مربعات خطای 28/1 و ضریب کارایی 82 درصد عملکرد بهتری داشته است. در متغیر حجم رواناب نیز شبکه عصبی فازی تطبیقی با ضریب تبیین 99/0، مجموع میانگین مربعات خطای 54/2369 و ضریب کارآیی 99 درصد نسبت به شبکه عصبی مصنوعی ضریب تبیین 98/0، مجموع میانگین مربعات خطای 82/10282 و ضریب کارایی 98 درصد عملکرد بهتری ارئه نمود. با توجه به نتایج آنالیز حساسیت بارش مازاد حساس ترین عامل در تخمین دبی اوج و حجم رواناب شناخته شد.
کلیدواژه آنالیز حساسیت، بارش مازاد، تحلیل عاملی، حوزه آبخیز کسیلیان، شبکه عصبی مصنوعی، شبکه عصبی- فازی تطبیقی
آدرس دانشگاه تربیت مدرس, دانشکده منابع طببعی, گروه آبخیزداری, ایران, دانشگاه تربیت مدرس, دانشکده منابع طببعی, گروه آبخیزداری, ایران
پست الکترونیکی vafakhah@modares.ac.ir
 
   Estimation of Event Flood Peak Discharge and Runoff Volume using Adaptive Neuro-Fuzzy Inference System (A Case Study: Kasilian Watershed)  
   
Authors
Abstract    Prediction of flood peak discharge and runoff volume is one of the major challenges in the management of watersheds. The present study was carried out to estimate event flood peak discharge and runoff volume using artificial neural network (ANN) and adaptive neurofuzzy inference system (ANFIS) in Kasilian watershed, Iran. For this purpose, 15 rainfall characteristics were considered for 60 storms from 1975 to 2009. Statistical indices of mean square error (RMSE), coefficient of efficiency (CE) and the coefficient of determination (R2) were used to assess models performance. The results showed that flood peak discharge variable, ANFIS with RMSE=1.28m3s1, CE=%82 and R2=0.86 has better performance than ANN with RMSE=1.22m3s1, CE=%82 and R2=0.95 and for runoff volume variable, ANFIS with RMSE=2369.54 m3, CE=%99 and R2=0.99 has better performance than ANN with RMSE=10282.82m3, CE=%98 and R2=0.98. Also, the results of the sensitivity analysis indicated that the most sensitive factor is excess rainfall for runoff flood peak discharge and runoff volume estimation.
Keywords ANN ,ANFIS ,Excess rainfall ,Factor analysis ,Kasilian watershed ,Sensitivity analysis
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved