علی حیدر نصرالهی؛ یاسر سبزواری
چکیده
در این پژوهش به منظور شبیه سازی سطح آب زیر زمینی دشت خرم‌آباد عملکرد مدلهای هیبریدی رگرسیون بردار پشتیبان-موجک، رگرسیون بردار پشتیبان خفاش، رگرسیون بردار پشتیبان- گرگ خاکستری برای چهار چاه پیزومتری سراب پرده، ناصروند، سالی و پل بابا حسین که دارای آمار همگن و فاقد دادههای مفقود بودند انجام شد. جهت مدلسازی، پارامترهای بارش (P)، ...
بیشتر
در این پژوهش به منظور شبیه سازی سطح آب زیر زمینی دشت خرم‌آباد عملکرد مدلهای هیبریدی رگرسیون بردار پشتیبان-موجک، رگرسیون بردار پشتیبان خفاش، رگرسیون بردار پشتیبان- گرگ خاکستری برای چهار چاه پیزومتری سراب پرده، ناصروند، سالی و پل بابا حسین که دارای آمار همگن و فاقد دادههای مفقود بودند انجام شد. جهت مدلسازی، پارامترهای بارش (P)، دما (T) و سطح آب زیرزمینی (H) و برداشت از منابع آب (q) در مقیاس ماهانه بعنوان ورودی مدل‌ها در طی دوره آماری 1400-1380 به کار برده شد. لازم به ذکر است جهت مدلسازی 80 درصد داده ها برای آموزش و 20 درصد باقی مانده جهت تست، بصورت تصادفی، که گستره وسیعی از انواع داده ها را پوشش دهد، انتخاب شد. معیارهای ضریب همبستگی (R)، ریشه میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE) و ضریب نش ساتکلیف (NS) برای ارزیابی و نیز مقایسه عملکرد مدل‌ها مورد استفاده قرار گرفت. نتایج نشان داد ساختار ترکیبی در کلیه مدلهای مورد بررسی عملکرد بهتری نسبت به سایر ساختارها ارائه میدهد. همچنین نتایج نشان داد مدل رگرسیون بردار پشتیبان موجک طبق شاخص‌های ارزیابی، در چاه پیزومتری سراب پرده دارای مقادیر R=0.978، RMSE=0.221 m، MAE=0.011 m،0.985 NS= و نیز در چاه پیزومتری ناصروند دارای مقادیر R=0.981، RMSE=0.168 m، MAE=0.008 m،0.991 NS= و همچنین چاه پیزومتری سالی دارای مقادیر R=0.980، RMSE=0.186 m، MAE=0.010 m،0.986 NS= و در نهایت چاه پیزومتری پل بابا حسین دارای مقادیر R=0.985، RMSE=0.101 m، MAE=0.007 m،0.995 NS= می باشد، نسبت به سایر مدل‌ها از توانایی مطلوبی برخوردار است.
کاکا شاهدی؛ مهتاب فروتن دانش
چکیده
شبیه سازی فرآیند بارش- رواناب در یک حوضه از نقطه نظر درک بهتر مسائل هیدرولوژیکی، مدیریت منابع آب، مهندسی رودخانه، سازه های کنترل سیل و ذخیره سیلاب اهمیت ویژه ای دارد. برآورد بارش- رواناب با مدل های هیدرولوژیکی توزیعی و با استفاده از تکنیک سامانه اطلاعات جغرافیایی به صورت گسترده امکانپذیر، کاربردی و متداول شده است. مدل ...
بیشتر
شبیه سازی فرآیند بارش- رواناب در یک حوضه از نقطه نظر درک بهتر مسائل هیدرولوژیکی، مدیریت منابع آب، مهندسی رودخانه، سازه های کنترل سیل و ذخیره سیلاب اهمیت ویژه ای دارد. برآورد بارش- رواناب با مدل های هیدرولوژیکی توزیعی و با استفاده از تکنیک سامانه اطلاعات جغرافیایی به صورت گسترده امکانپذیر، کاربردی و متداول شده است. مدل وتسپا یک مدل شبکه ای و توزیعی شبیه سازی رواناب و بیلان آبی است که در پایه زمانی متفاوت ساعتی یا روزانه اجرا میشود. در این تحقیق اقدام به شبیه سازی جریان با استفاده از مدل وتسپا در حوضه آبریز قورچای شده است. این حوضه (به عنوان یکی از زیرحوضه های گرگانرود) با مساحت 254 کیلومتر مربع در جنوب شهرستان رامیان در استان گلستان قرار دارد. داده های مورد استفاده مدل وتسپا نقشه های کاربری اراضی، بافت خاک، مدل رقومی ارتفاعی، داده های بارش، تبخیر، دما و دبی جریان (برای واسنجی و اعتبارسنجی مدل) میباشد. پس از آماده‌سازی دادههای مورد نیاز مدل اجرا و واسنجی 11 پارامتر با دو روش دستی و خودکار برای 7 سال ابتدای دوره‌ی آماری و اعتبارسنجی مدل برای دوره 5 سال انجام شد. نتایج ارزیابی مدل، صحت شبیه سازی دبی جریان و تطابق بسیار خوب بین دادههای شبیه سازی شده و مشاهداتی را براساس معیار نش- ساتکلیف 21/67 درصد در دوره‌ی واسنجی و 34/76 درصد در دوره اعتبارسنجی نشان میدهد. همچنین ضریب رواناب محاسبه شده توسط مدل وتسپا برای کل حوضه 31/28درصد بوده که در مقایسه با ضریب رواناب مشاهداتی12/30 درصد نشاندهنده‌ی شبیهسازی خوب مدل است. نتایج نشان میدهد مدل در وضعیت و شرایط واقعی مکانی بر اساس 3 نقشه توپوگرافی، کاربری و نوع خاک قادر به در نظر گرفتن بارش، رطوبت پیشین و فرآیندهای تولید رواناب میباشد که باعث میشود مدل مقادیر جریان های زیاد و روند هیدرولوژیکی عمومی را به خوبی به دست آورد.
ژئومورفولوژی
حجت اله یونسی؛ احمد گودرزی؛ مسعود شاکرمی
چکیده
امروزه مدلهای هیبریدی هوش مصنوعی به عنوان یک روش مناسب برای شبیهسازی پدیدههای هیدرولوژیکی از جمله برآورد کمی جریان رودخانه‌ها مطرح است. بدین منظور جهت برآورد میزان آبدهی رودخانه‌ها رویکردهای متنوعی در هیدرولوژی وجود دارد که مدلهای هوش مصنوعی از مهم‌ترین آن‌ها میباشد. بنابراین در این پژوهش عملکرد مدلهای رگرسیون ...
بیشتر
امروزه مدلهای هیبریدی هوش مصنوعی به عنوان یک روش مناسب برای شبیهسازی پدیدههای هیدرولوژیکی از جمله برآورد کمی جریان رودخانه‌ها مطرح است. بدین منظور جهت برآورد میزان آبدهی رودخانه‌ها رویکردهای متنوعی در هیدرولوژی وجود دارد که مدلهای هوش مصنوعی از مهم‌ترین آن‌ها میباشد. بنابراین در این پژوهش عملکرد مدلهای رگرسیون بردار پشتیبان_ موجک، رگرسیون بردار پشتیبان_گرگ خاکستری و رگرسیون بردار پشتیبان_خفاش جهت شبیهسازی دبی رودخانه کشکان واقع در استان لرستان طی دوره‌ی آماری 1399-1389 در مقیاس زمانی روزانهی مورد تجزیه و تحلیل قرار گرفت. معیارهای ضریب همبستگی، ریشهی میانگین مربعات خطا و میانگین قدر مطلق خطا و بایاس برای ارزیابی و عملکرد مدل‌ها انتخاب شد. نتایج نشان داد الگوهای ترکیبی نتایج قابل قبولی در شبیهسازی دبی رودخانه دارند. مقایسهی مدل‌ها نیز نشان داد مدل رگرسیون بردار پشتیبان-موجک در مرحلهی صحتسنجی مقادیر 960/0R2=، 045/0RMSE=، 024/0MAE =، 968/0NS= و001/0BIAS= در پیشبینی جریان روزانهی رودخانه از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل هیبریدی رگرسیون بردار پشتیبان-موجک میتواند در زمینهی پیشبینی دبی روزانه مفید باشد.
