شماره ركورد كنفرانس :
5266
عنوان مقاله :
بررسي الگوريتم پيش رو در مدل سازي فرآيند بارش-رواناب با استفاده از شبكه عصبي مصنوعي
عنوان به زبان ديگر :
Investigating the Forward Algorithm in Modeling the Rainfall-Runoff Process Using ANN Model
پديدآورندگان :
حيدري اكرم akramheydari2912@gmail.com دانشگاه گنبد كاووس , جندقي نادر nader.jandaghi@gmail.com دانشگاه گنبد كاووس , قره محمودلو مجتبي mmahmoodlu@yahoo.com دانشگاه گنبد كاووس , عظيم محسني مجيد azim_mohseni@yahoo.com دانشگاه گلستان
كليدواژه :
پيش بيني , مدل شبكه عصبي مصنوعي , بارش , رواناب , حوزه آبخيز زشك
عنوان كنفرانس :
هجدهمين همايش ملي علوم و مهندسي آبخيزداري ايران - آبخيزداري، بازيابي و احياي منابع آب و خاك كشور
چكيده فارسي :
در پژوهش حاضر از آمار 30 ساله ايستگاه هاي هواشناسي و هيدورمتري زشك واقع در استان خراسان رضوي جهت مدل سازي بارش-رواناب ماهانه استفاده شد. از آنجا كه مقادير بارش و رواناب ماهانه وابسته به زمان هستند، در ابتدا اين داده ها به صورت سري زماني مرتب شد. برازش مدل و پيش بيني مقادير رواناب با استفاده از داده هاي بارش براي 12 ماه آينده به كمك مدل شبكه عصبي مصنوعي (ANN) انجام شد. براي اين منظور از نرم افزار SPSS 25 استفاده شد. ورود داده ها به مدل در 2 استراتژي الگوريتم پيش رو و سري كامل داده ها انجام شد. سپس اعتبارسنجي مقادير پيش بيني شده با استفاده از 3 شاخص ميانگين قدرمطلق فاصله (MAD)، ريشه مربع ميانگين خطا (RMSE) و ضريب تعيين (R2) مورد ارزيابي قرار گرفت. نتايج نشان داد كه مدل شبكه هاي عصبي مصنوعي در برازش مقادير رواناب ماهانه براي هر 2 استراتژي مورد استفاده عملكرد مناسبي داشته است. با اين وجود، هنگامي كه از الگوريتم پيش رو استفاده شود (RMSE=0.0141 m3/s) نسبت به زماني كه سري كامل داده ها وارد مدل شود (RMSE=0.0259 m3/s)، عملكرد مدل بهبود قابل ملاحظه اي يافته است.
