شماره ركورد
1389328
عنوان مقاله
پيشبيني آبدهي رود فريزي با بهرهگيري از محاسبههاي نرم
پديد آورندگان
جمالي ، صابر دانشگاه فردوسي مشهد - دانشكده ي كشاورزي - گروه علوم و مهندسي آب , رحيمي آغ چشمه ، فرشته دانشگاه فردوسي مشهد - دانشكده ي محيطزيست و منابعطبيعي - گروه مرتع و آبخيزداري , اميري ، محمد جواد دانشگاه فسا - دانشكده ي كشاورزي - گروه علوم و مهندسي آب
از صفحه
81
تا صفحه
97
كليدواژه
آبخيز فريزي , بيان ژن , رواناب , محاسبههاي نرم , هوش مصنوعي
چكيده فارسي
مقدمه و هدف پيشبيني دقيق جريان رود بهعنوان يك منبع مهم آب شيرين روي زمين، در مهندسي و مديريت منابع آب ضروري است؛ از اين رو، توسعهي فنآوري كه آبدهي رود را پيشبيني كند، ضروري است. در اين زمينه مدلهاي مختلفي بهوسيلهي پژوهشگران پرشماري ارائهشده است. اين مدل ها به دو دستهي مدلهاي فيزيكي مبتني بر اصول آبشناسي/آبي و مدلهاي مبتني بر محاسبههاي نرم تقسيم ميشوند. تمام مقالههاي چاپشده شواهدي از اهميت كاربرد مدلهاي مبتني بر محاسبههاي نرم براي مشكلات آبشناختي، بهويژه آبدهي رود هستند. مواد و روشها در اين پژوهش براي پيشبيني آبدهي رود فريزي از مدل برنامهريزي بيان ژن (GEP) و ماشين بردار پشتيبان (SVM) استفاده شد. در اين پژوهش، از گروه روزانه آبدهي در ده سال (1399-1390) مربوط به ايستگاه آبسنجي موشنگ استفاده شد. ميانگين بلندي منطقهي بررسيشده 2171 متر از سطح دريا با طول جغرافيايي 30 ’49 °58 تا 30 ’4 °58 شرقي و عرض جغرافيايي 1 ’20 °36 تا 1 ’32 °36 است. از دادههاي آبدهي روزانه رود از 1 تا 5 روز قبل بهعنوان ورودي مدلهاي GEP و SVM استفاده شد. بهمنظور اطمينان از همگني و تكميل كمبود دادههاي آبدهي استفادهشده از آزمون ران و ضريب همبستگي ميان ايسـتگاههاي همجوار اسـتفاده شد. سپس دادهها بهشكل تصادفي به دو بخش، 80% براي آموزش و 20% بـراي آزمون و تعيين خطاي مدلسازي تفكيك شدند. در مراحل آموزش و اعتبارسنجي براساس ريشهي ميانگين مربعات خطا (RSME)، ضريب همبستگي (R)، اريبي مدل، كارايي مدل كلينگ گوپتا (KGE) و نش-ساتكليف (NSE) عملكرد مدل بررسي شد. در اين پژوهش بهمنظور برآورد جريان ورودي به رود فريزي با كاربرد مدل SVM، سه نوع تابع كرنل رايج در آبشناسي شامل تابعهاي پايهي خطي، چند جملهاي و شعاعي بررسي شد. نتايج و بحث از ميان تابعهاي گوناگون، تابع مبناي شعاعي بهدليل داشتن كمترين اندازهي خطا براي متغيرها انتخاب شد. بهتـرين الگوي ورودي، الگوي شمارهي 5 بود كه در آن متغيرهاي آبدهي پيشين با پنج گام زماني تأخير استفاده شد، و در مرحلهي آموزش در مـدل GEP و SVM بهترين عملكرد را در پيشبيني آبدهي روزانهي ايسـتگاه موشنگ داشت. عملكرد مدل اعمالشده نشان داد كه SVM (RSME = 1.15، R = 0.985، NSE = 0.85 و KGE = 0.79) در مرحلهي اعتبارسنجي براي پيشبيني آبدهي روزانهي رود از مدل GEP (RSME = 1.65، R = 0.964، NSE = 0.78 و KGE = 0.69) دقيقتر است. نتيجه گيري و پيشنهادها اين پژوهش نشان داد كه روش محاسبههاي نرم (مانند SVM و GEP)، ابزار قدرتمندي در پيشبيني جريان رود است. با كاربرد اين مدلها ميتوان ميان سنجههاي ورودي و خروجي رابطهي مطلوب ايجاد كرد و امكان شبيهسازي دقيق جريان ميانگين و حداكثر روزانه را فراهم ساخت.
عنوان نشريه
پژوهشهاي آبخيزداري
عنوان نشريه
پژوهشهاي آبخيزداري
لينک به اين مدرک