پیش بینی رواناب با استفاده از مدل های جعبه سیاه و خاکستری
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در دهه گذشته، یادگیری ماشین یک روش مناسب برای مدل سازی تجربی بارش-رواناب به عنوان یک مکمل مفید برای مدل های هیدرولوژیکی مطرح شده است، به ویژه در حوضه هایی که داده ها برای مدل های داده محور محدود هستند. در این تحقیق از مدل های جعبه سیاه (نروفازی و ماشین بردار پشتیبان) و مدل های جعبه خاکستری (TOPMODEL و HBV) برای شبیه سازی فرآیند بارش-رواناب روزانه در حوضه نوده خاندوز که در رودخانه گرگانرود قرار دارد، استفاده شد و عملکرد آن ها با توجه به دقت پیش بینی رواناب مقایسه گردید. برای مدل های جعبه سیاه، سه سری ورودی شامل دبی، دما و بارندگی در 9 سناریوی متفاوت بر اساس داده های سری زمانی انتخاب گردید. مقایسه مقادیر میانگین مربعات خطا و ضریب تعیین نشان می دهد مدل نروفازی با دبی تا سه گام زمانی قبل و دمای گام زمانی قبل عملکرد بهتری نسبت به سایر سناریوها دارد. به طور کلی مدل های جعبه سیاه رواناب را در مرحله واسنجی و صحت سنجی با دقت بیشتری نسبت به HBV و TOPMODEL شبیه سازی کرده اند. مقایسه دقیق عملکرد کل مدل ها نشان داد که مدل های نروفازی و ماشین بردار پشتیبان رواناب را در فصل های گرم با دقت کمتری نسبت به فصل های سرد پیش بینی کرده است.
کلیدواژگان:
بارش ، رواناب ، هوش مصنوعی ، مدل مفهومی
زبان:
فارسی
صفحات:
177 تا 192
لینک کوتاه:
magiran.com/p1951981
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!