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.
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.
