|
|
مدلسازی و روندیابی میزان تبخیر سطحی از مخزن سد امیرکبیر با استفاده از روش شبکه عصبی و آزمون من-کندال
|
|
|
|
|
نویسنده
|
جهانگیر محمد حسین ,سلطانی کیوان ,نوحهگر احمد ,ساداتینژاد جواد
|
منبع
|
مهندسي و مديريت آبخيز - 1397 - دوره : 10 - شماره : 4 - صفحه:635 -644
|
چکیده
|
تبخیر بهعنوان یکی از پارامترهای طبیعی بهعلت نقش تعیین کنندهای که در خروج آب از دسترس بشر دارد، همواره مورد توجه کارشناسان و محققین بوده است. در این پژوهش، سعی بر این است تا با بهکارگیری مدل شبکه عصبی مصنوعی در برآورد تبخیر از سطح دریاچه سد امیرکبیر، میزان دقت این مدل مورد ارزیابی قرار گیرد. در این راستا، از آمار 18 ساله، از سال 1376 تا 1393 شمسی استفاده شد و پس از انجام آزمون و خطاهای متوالی بهترین ساختار برای محاسبه میزان تبخیر از سطح دریاچه سد امیرکبیر انتخاب شد. بهطوری که، این ساختار در لایه اول، چهار و لایه دوم، دارای پنج نورون میباشد که در طی 1000 تکرار برای محاسبه آن، بهترین نتیجه بهدست آمد. همچنین، در مقاله حاضر، ضرایب آماری بهدست آمده از تحلیل با استفاده از شبکه عصبی مصنوعی در انتخاب بهترین ساختار مورد توجه قرار گرفت که در این ساختار ضریب همبستگی با مقدار 0.9365 دارای بیشترین مقدار در بین آزمونهای دیگر بوده و مقادیر خطا برای داده های آموزش و آزمایش نیز بهترتیب برابر با 0.0311 و 0.0321 می باشد. علاوه بر این، با استفاد از آزمون منکندال از داده های روزانه 15 ساله، روند کلی دادههای موثر بر تبخیر مشخص شد. در روش منکندال، نمودارهای تغییرات دما، سرعت باد و بارش دارای روند معنیداری نبوده و در آن ها 1.96> u>1.96 می باشد. در نمودار تغییرات سطح دریاچه در بین سال های 1379 تا 1393، مقدار u از عدد 1.96 تجاوز کرده است که نشانه افزایشی بودن روند در این دوره می باشد که پس از این سال ها مجدداً روند نزولی حاکم شده است. در روند ماهانه تغییرات تبخیر نیز بین سال های 1379 تا 1393 نمودار u از محدوده 1.96 خارج شده که نشانه حاکمیت روند منفی در این بازه زمانی می باشد.
|
کلیدواژه
|
آزمون و خطا، دادههای آموزش و آزمایش، دقت مدل، ضریب همبستگی، نورون
|
آدرس
|
دانشگاه تهران, دانشکده علوم و فنون نوین, ایران, دانشگاه تهران, دانشکده علوم و فنون نوین, ایران, دانشگاه تهران, دانشکده محیط زیست, ایران, دانشگاه تهران, دانشکده علوم و فنون نوین, ایران
|
|
|
|
|
|
|
|
|
|
|
Modeling and routing of surface evaporation from the Amir Kabir reservoir using the MannKendall and neural network technology
|
|
|
Authors
|
Jahangir Mohammad Hossein ,Soltani Keyvan ,Nohegar Ahmad ,Sadatinejad Seyed Javad
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|