|
|
توسعه مدل فازی- عصبی تطبیقی بهمنظور پیشبینی دبی بیشینه روزانه سیلاب با استفاده از بارش تراکمی پنج روزه
|
|
|
|
|
نویسنده
|
فیروزنیا الهام ,مهدوی محمد ,عراقی نژاد شهاب ,سلطانی سعید
|
منبع
|
آب و فاضلاب - 1393 - دوره : 25 - شماره : 4 - صفحه:88 -98
|
|
|
چکیده
|
در فرایند بارش رواناب، عوامل بسیاری دخالت دارند که با عدم قطعیت همراه هستند. یکی از فاکتورهای بسیار مهم در این فرایند، رطوبت اشباع پیشین خاک است. یکی از روشهایی که به این پارامتر توجه دارد، روش ارائه شده توسط سازمان حفاظت خاک آمریکا به نام شماره منحنی است. در این روش، مجموع بارشهای پنج روز پیش از رخداد دبی اوج سیل، بهعنوان نماینده شرایط رطوبتی پیشین خاک در نظر گرفته میشود. با توجه به این که پدیدههای طبیعی بهدلیل دخالت تعداد زیادی از عوامل و پارامترها با عدم قطعیت همراه هستند، یکی از ابزارهای کارآمد در بررسی رفتار این پدیدهها، مدلهای هوشمند فازی- عصبی تطبیقی هستند. از این رو در این پژوهش به بررسی اثر مجموع بارشهای پنج روزه در پیشبینی دبی بیشینه روزانه سیلاب با استفاده از مدلهای انفیس پرداخته شد. مدل مذکور با دو الگوریتم آموزشی پس انتشار و هیبرید آموزش دیده شد و سپس با استفاده از آزمونهای آماری مختلف مورد بررسی قرار گرفت. نتایج، کارآمدی مدل انفیس بهدست آمده را در بررسی ورودی بارش پنج روزه و خروجی دبی اوج سیل نشان داد. همچنین نتایج حاصل از روش هیبرید، عملکرد بهتری را نشان دادند. بهترین ضریب همبستگی برای مدل 5 روزه و به میزان 985/0 و ریشه میانگین مربعات خطا 162/0 در روش هیبرید بود.
|
کلیدواژه
|
انفیس ,پس انتشار ,هیبرید ,شماره منحنی ,رواناب ,بیشترین دبی روزانه
|
آدرس
|
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, دانشآموخته کارشناسی ارشد گروه آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه آزاد اسلامی، واحد علوم تحقیقات تهران، ایران, ایران, دانشگاه تهران, استاد گروه آبخیزداری، دانشکده کشاورزی و منابع طبیعی کرج، دانشگاه تهران، تهران، ایران, ایران, دانشگاه تهران, استادیار گروه آبیاری و آبادانی، دانشکده کشاورزی و منابع طبیعی کرج، دانشگاه تهران، تهران، ایران, ایران, دانشگاه صنعتی اصفهان, دانشیار گروه آبخیزداری، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان، ایران, ایران
|
پست الکترونیکی
|
ssoltani@cc.iut.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|