کاربرد شبکه‌های عصبی بیزین، ماشین بردار پشتیبان و برنامه‌ریزی بیان ژنی در تحلیل بارش – رواناب ماهانه (مطالعه موردی:رودخانه کاکارضا)

نویسندگان

  • محمد علی قربانی دانشیار گروه مهندسی آب ، دانشگاه تبریز
چکیده مقاله:

     شبیه‌سازی فرآیند بارش - رواناب اولین و مهمترین گام برای کنترل سیلاب در مدیریت منابع آب می‌باشد. در این تحقیق  فرآیند بارش – رواناب  ماهانه رودخانه کاکارضا واقع در استان لرستان، با استفاده از شبکه عصبی بیزین موردبررسی قرار گرفت و نتایج آن با روش‌های برنامه‌ریزی بیان ژن و ماشین بردار پشتیبان مقایسه گردید. بر این اساس ترکیب‌های مختلفیبا استفاده از پارامترهای بارندگی و رواناب، طی دوره آماری (1392-1348) به‌عنوان ورودی برای تخمین روانابدر مقیاس زمانی ماهانه مورد ارزیابی قرار گرفت. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، ضریب نش ساتکلیف و بایاس برای ارزیابی و نیز مقایسه عملکرد روش‌ها مورداستفاده قرار گرفت. نتایج حاصله نشان داد ساختارهای ترکیبی با استفاده از روش‌هایهوشمند موردبررسی، در شبیه‌سازی فرآیند بارش – رواناب نتایج قابل قبولی ارائه می‌نماید. مقایسه مدل‌ها نشان داد شبکه عصبی بیزین عملکرد بهتری نسبت به سایر مدل‌ها در شبیه‌سازی فرآیند بارش-رواناب دارد. درمجموع روش شبکه عصبی بیزین توانایی بالایی در تخمین مقادیر کمینه، میانی و مقادیر بیشینه رواناب از خود نشان داده است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

کاربرد شبکه های عصبی بیزین، ماشین بردار پشتیبان و برنامه ریزی بیان ژنی در تحلیل بارش – رواناب ماهانه (مطالعه موردی:رودخانه کاکارضا)

شبیه سازی فرآیند بارش - رواناب اولین و مهمترین گام برای کنترل سیلاب در مدیریت منابع آب می باشد. در این تحقیق  فرآیند بارش – رواناب  ماهانه رودخانه کاکارضا واقع در استان لرستان، با استفاده از شبکه عصبی بیزین موردبررسی قرار گرفت و نتایج آن با روش های برنامه ریزی بیان ژن و ماشین بردار پشتیبان مقایسه گردید. بر این اساس ترکیب های مختلفیبا استفاده از پارامترهای بارندگی و رواناب، طی دوره آماری (1392-1...

متن کامل

تحلیل عدم قطعیت مدل‌های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در تخمین بارش

در این تحقیق سعی گردید، ترکیب ورودی و مدل مناسب برای تخمین بارش‌های شهرستان شاهرود تعیین گردد. برای رسیدن به این هدف از داده­های ماهانه هواشناسی شامل تبخیر، دما، رطوبت نسبی هوا، تابش­های خورشیدی، سرعت باد در دوره­ آماری 1342 تا 1394 و مدل­های شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده است. 75 درصد از داده­ها برای واسنجی و 25 درصد دیگر جهت اعتبارسنجی مدل­ها استفاده شده است. در این تحقیق ...

متن کامل

کاربرد روش ماشین بردار پشتیبان و شبکه بیزین در پیش‌بینی خشکسالی کشاورزی

آگاهی از وضعیت خشکسالی و پیش‌­بینی شرایط آتی آن نقش مهمی در برنامه‌­های مدیریت منابع آب بر­عهده دارد و در این راستا متغیرهای بارش و دما تأثیر به‌­سزایی در شدت و مدت وقوع این پدیده ایفا می‌­کنند. با توجه به وضعیت حاکم بر دریاچه ارومیه در سال­‌های اخیر و تنش آبی موجود در حوزه آبخیز آن، در این پژوهش، وضعیت خشکسالی در ایستگاه سینوپتیک سقز به‌­عنوان یکی از ایستگاه­‌های مهم جنوبی حوزه آبخیز این دریاچ...

متن کامل

مقایسه عملکرد ماشین بردار پشتیبان با سایر مدل‌های هوشمند در شبیه‌سازی فرآیند بارش- رواناب

     Simulation of rainfall-runoff process is a major step in water engineering studies and water resources management. In this study, the rainfall-runoff process of the Siminehroud monthly (1377-1390) were simulated using Support Vector Machines (SVM)  with Radial Basis kernel Function, Polynomial and linear Bayesian Network (BN) with a PC Learning Algorithm, also conventional methods such as ...

متن کامل

کاربرد شبکه بیزین و مدل ماشین بردار پشتیبان در پیش‌بینی تغییرات سطح تراز ایستابی (مطالعه موردی: دشت اردبیل)

آب­های زیرزمینی به‌عنوان یکی از منابع مهم و عمده تأمین آب شرب و کشاورزی، به‌ویژه در مناطق خشک و نیمه‌خشک مطرح بوده است. شبیه‌سازی سیستم آب­های زیرزمینی به دلیل پیچیدگی این سیستم­ها به‌آسانی میسر نیست. در این مقاله با استفاده از داده­های سطح تراز ایستابی دشت اردبیل در بازه زمانی(1390-1351)، به ارزیابی عملکرد آزمون گاما برای پردازش و انتخاب ورودی­های مناسب و کارایی مدل­­های حداقل مربعات ماشین برد...

متن کامل

مدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی

Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of  this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 39  شماره 2

صفحات  125- 138

تاریخ انتشار 2016-06-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023