ژئومورفولوژی
سعید رستمی؛ بابک شاهی نژاد؛ حجت اله یونسی؛ حسن ترابی پوده؛ رضا دهقانی
چکیده
سیل از جمله پدیدههای طبیعی است که هر ساله خسارات جانی و مالی زیادی را در دنیا به بار آورده و مشکلات عدیدهای را بر سر راه توسعهی اقتصادی و اجتماعی کشورها ایجاد مینماید. از این رو جهت کاهش خسارات، کنترل و هدایت این پدیده، برآورد دبی سیلابی و شناسایی عوامل مؤثر بر آن بسیار حائز اهمیت میباشد. در این پژوهش، به منظور برآورد دبی سیلابی ...
بیشتر
سیل از جمله پدیدههای طبیعی است که هر ساله خسارات جانی و مالی زیادی را در دنیا به بار آورده و مشکلات عدیدهای را بر سر راه توسعهی اقتصادی و اجتماعی کشورها ایجاد مینماید. از این رو جهت کاهش خسارات، کنترل و هدایت این پدیده، برآورد دبی سیلابی و شناسایی عوامل مؤثر بر آن بسیار حائز اهمیت میباشد. در این پژوهش، به منظور برآورد دبی سیلابی حوضهی آبریز کشکان واقع در استان لرستان از مدلهای هوش مصنوعی هیبریدی نوین شامل شبکه عصبی مصنوعی- تفنگدار خلاق، شبکه عصبی مصنوعی-عنکبوت بیوه سیاه و شبکه عصبی مصنوعی- ازدحام مرغ در طی دورهی زمانی 1400-1390 استفاده شد. برای ارزیابی عملکرد شبیهسازی از شاخصهای آماری ضریب تعیین (R2)، میانگین مطلق خطا (MAE)، ضریب کارایی نش- ساتکلیف (NSE) و درصد بایاس (PBIAS) استفاده گردید. نتایج نشان داد که بطور کلی مدلهای هوش مصنوعی هیبریدی عملکرد بهتری نسبت به مدل منفرد در برآورد دبی سیلابی دارند. نتایج نشان داد مدل شبکه عصبی مصنوعی- تفنگدار خلاق نسبت به سایر مدلها از دقت بیشتر و خطای کمتری برخوردار است. در مجموع نتایج نشان داد استفاده از مدلهای هوش مصنوعی هیبریدی در برآورد دبی سیلابی موثر بوده و میتواند به عنوان راهکاری مناسب و سریع در مدیریت منابع آب مطرح شود.
رضا دهقانی؛ حسن ترابی؛ حجت اله یونسی؛ بابک شاهی نژاد
چکیده
برآورد دقیق آبدهی رودخانهها یکی از مهمترین موارد کلیدی در مدیریت و برنامهریزی منابع آب بهویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشکسالیها است. برای برآورد میزان آبدهی رودخانهها رویکردهای متنوعی در هیدرولوژی معرفیشده است که مدلهای هوشمند از مهمترین آنها می باشد. در این پژوهش کاربرد مدل های هیبریدی ماشین ...
بیشتر
برآورد دقیق آبدهی رودخانهها یکی از مهمترین موارد کلیدی در مدیریت و برنامهریزی منابع آب بهویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشکسالیها است. برای برآورد میزان آبدهی رودخانهها رویکردهای متنوعی در هیدرولوژی معرفیشده است که مدلهای هوشمند از مهمترین آنها می باشد. در این پژوهش کاربرد مدل های هیبریدی ماشین بردار پشتیبان_ موجک و ماشین بردار پشتیبان-بیزین به منظور برآورد دبی رودخانه های حوضه آبریز کرخه براساس آمار آبدهی روزانه ایستگاههای هیدرومتری واقع در بالادست سد کرخه طی دوره آماری(1387-1397) مورد بررسی و ارزیابی قرار گرفته است. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد ساختارهای ترکیبی نتایج قابل قبولی در مدلسازی دبی رودخانه ارائه می نمایند. همچنین مقایسه مدلها نشان داد مدل هیبریدی ماشین بردار پشتیبان-موجک دقت بهتری در پیش بینی جریان از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل هیبریدی ماشین بردار پشتیبان میتواند در زمینه پیش بینی دبی روزانه مفید باشد .
حسن ترابی پوده؛ بابک شاهی نژاد؛ رضا دهقانی
دوره 5، شماره 14 ، خرداد 1397، ، صفحه 179-197
چکیده
چکیده
خشکسالی یکی از پدیدههای آب و هوایی است که در همهی شرایط اقلیمی و در همهی مناطق کرهی زمین به وقوع میپیوندد. پیشبینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستمهای منابع آب، تعیین نیاز آبی گیاه ایفا مینماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماههی چهار ایستگاه بارانسنجی دلفان، سلسله، ...
بیشتر
چکیده
خشکسالی یکی از پدیدههای آب و هوایی است که در همهی شرایط اقلیمی و در همهی مناطق کرهی زمین به وقوع میپیوندد. پیشبینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستمهای منابع آب، تعیین نیاز آبی گیاه ایفا مینماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماههی چهار ایستگاه بارانسنجی دلفان، سلسله، دورود و بروجرد واقع در استان لرستان از مدل شبکهی عصبی موجک استفاده شد و نتایج آن با سایر روشهای هوشمند از جمله شبکهی عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر بارش در مقیاس زمانی ماهانه در طی دورهی آماری (1372-1392) به عنوان ورودی و شاخص بارش استاندارد به عنوان پارامتر خروجی مدلها انتخاب گردید. معیارهای ضریب همبستگی، ریشهی میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین شاخص بارش استاندارد دارند، لیکن از لحاظ دقت، مدل شبکهی عصبی موجک عملکرد بهتری نسبت به شبکهی عصبی مصنوعی از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل شبکهی عصبی موجک میتواند در زمینه تخمین خشکسالی موثر باشد.
حمیدرضا باباعلی؛ رضا دهقانی
دوره 4، شماره 11 ، شهریور 1396، ، صفحه 149-168
چکیده
چکیده
سیل یکی از بلایای طبیعی مهمی است که همه ساله باعث ایجاد خسارتهای مالی و جانی فراوانی به جوامع مختلف میگردد. به همین دلیل محققان سعی نمودهاند که تغییرات کمی این پدیده را حتیالمقدور به طور دقیق مورد بررسی قرار دهند. در این پژوهش جهت تخمین دبی سیلابی ایستگاه کهمانالشتر واقع در استان لرستان از مدل شبکهی ...
بیشتر
چکیده
سیل یکی از بلایای طبیعی مهمی است که همه ساله باعث ایجاد خسارتهای مالی و جانی فراوانی به جوامع مختلف میگردد. به همین دلیل محققان سعی نمودهاند که تغییرات کمی این پدیده را حتیالمقدور به طور دقیق مورد بررسی قرار دهند. در این پژوهش جهت تخمین دبی سیلابی ایستگاه کهمانالشتر واقع در استان لرستان از مدل شبکهی عصبی موجک استفاده شد و نتایج آن با سایر روشهای هوشمند از جمله شبکهی عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر حداکثر بارش 24 ساعته در مقیاس زمانی روزانه با تأخیرهای مختلف در طی دورهی آماری (1391-1380) به عنوان ورودی و دبی حداکثر روزانه به عنوان پارامتر خروجی مدلها انتخاب گردید. معیارهای ضریب همبستگی، ریشهی میانگین مربعات خطا و میانگین قدرمطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین دبی سیلابی دارند، لیکن از لحاظ دقت، مدل شبکهی عصبی موجک عملکرد بهتری نسبت به شبکهی عصبی مصنوعی از خود نشان داده است.