هیدروژئولوژی
حمیدرضا باباعلی
چکیده
در سال های اخیر افت منابع آب زیرزمینی به عنوان مهمترین چالش در مسائل مدیریت منابع آب مطرح است. اولین گام در جهت مدیریت آب زیرزمینی، شـبیهسازی سطح آب زیرزمینی و شناسایی عوامل مؤثر بر سطح آب زیرزمینی است. از این رو در این پژوهش جهت شبـیهسازی سطح آب زیرزمینی دشت سلسله واقع در استان لرستان از مدل ترکیبی رگرسیون بردار پشتیبان ...
بیشتر
در سال های اخیر افت منابع آب زیرزمینی به عنوان مهمترین چالش در مسائل مدیریت منابع آب مطرح است. اولین گام در جهت مدیریت آب زیرزمینی، شـبیهسازی سطح آب زیرزمینی و شناسایی عوامل مؤثر بر سطح آب زیرزمینی است. از این رو در این پژوهش جهت شبـیهسازی سطح آب زیرزمینی دشت سلسله واقع در استان لرستان از مدل ترکیبی رگرسیون بردار پشتیبان (SVR) با موجک و الگوریتمهای فرا ابتـکاری گرگ خاکـستری (GWO) و خفاش (BA) در مقیاس زمانـی ماهانه طی دوره ی آماری 2020-2010 استفاده شـد. مـعیارهای ضریب همبستگی (R2)، مـجذور میانگین مربعات خطا (RMSE) ، میانگین مطلق خطا (MAE)، ضریب بهرهوری نش-ساتکلیف (NSE)، درصد بایاس (PBIAS) برای ارزیابی و مقایسه ی عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد هر سه مدل هیبریدی، در الگوهای ترکیبی نتایج بهتری نسبت به سایر الگوهای تعیینشده دارند. همچنین، با توجه به معیارهای ارزیابی مشخص شد که از بین مدلهای بهکاررفته در شبیه سازی سطح آب زیرزمینی، مدل رگرسیون بردار پشتیبان-موجک با ضریب تعیین (988/0-975/0R2=)، ریـشه ی میانگین مربعات خطا (146/0-112/0RMSE=)، میانـگین قدرمطلق خطا (m093/0-076/0MAE=) ضریب نش ساتکلیف (978/0-963/0NS=) و درصد بایاس (001/0PBIAS=) در مرحله ی صحت سنجی عملکرد بهتری نسبت به سایر مدل ها از خود نشان داده است.
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.