به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "پیش بینی دبی" در نشریات گروه "آبخیزداری، بیابان، محیط زیست، مرتع"

تکرار جستجوی کلیدواژه «پیش بینی دبی» در نشریات گروه «کشاورزی»
جستجوی پیش بینی دبی در مقالات مجلات علمی
  • گوهر نوروزی*، رضا محمدپور، علیرضا والی پور، علی ترابی، محمدمهدی احمدی

    شناخت رابطه دبی- اشل در مدیریت و برنامه ریزی منابع آب و همچنین طراحی سازه های هیدرولیکی، سازماندهی رودخانه ها و برنامه ریزی برای سیستم های هشدار سیل دارای اهمیت بالایی می باشند. با پیشرفت علم و افزایش سرعت محاسبات، روش های جدیدی تحت عنوان سیستم های هوشمند ارایه گردیده است که استفاده از آنها می تواند گزینه بهتری جهت مدل سازی باشد. در این تحقیق به ترتیب از روش های هوشمند ترکیبی Fuzzy-GMDH، RBF و ANFIS استفاده شده است. روش Fuzzy-GMDH  که ترکیبی از دو تکنیک منطق فازی (Fuzzy) و روش کنترل گروهی داده ها (GMDH) جهت پیش بینی دبی - اشل می باشد. جهت بررسی مدل پیشنهادی از داده های واقعی و نرمال شده رودخانه مند واقع در استان بوشهر استفاده و نتایج  با دو روش شبکه های عصبی RBF و همچنین ANFIS مقایسه شده است. در ابتدا با استفاده از آنالیز حساسیت پارامترهای مهم تعیین و سپس روش های ذکر شده با شاخص های آماری از جمله ضریب ناش (NASH) بررسی و مقایسه شده است. نتایج حاصله نشان داد که داده های خام در روش Fuzzy-GMDH با مقدار 8822 /0=NASH، دقت بالاتری را نسبت به داده های نرمال (8788 /0=NASH) ارایه می دهد. از طرفی مدل Fuzzy-GMDH دارای عملکرد بهتری در پیش بینی دبی روزانه نسبت به دو روش دیگر با مقادیر ضریب ناش به ترتیب 8555 /0 و 8776 /0 است.

    کلید واژگان: پیش بینی دبی, رابطه دبی- اشل, رودخانه مند, سیستم استنتاج فازی, شبکه عصبی
    Gohar Norouzi*, Reza Mohammadpour, Alireza Valipour, Ali Torabi, MohammadMehdi Ahmadi

    Understanding the Stage–Discharge relationship is of great importance in the management and planning of water resources, as well as the design of hydraulic structures, the organization of rivers, and the planning of flood warning systems. With the advancement of science and increasing the speed of computing, new methods called intelligent systems have been introduced, the use of which can be a better option for modeling. In this research, Fuzzy-GMDH, RBF and ANFIS combined intelligent methods have been used, respectively. The Fuzzy-GMDH method, which is a combination of two techniques of fuzzy logic (Fuzzy) and Group Method of Data Handling (GMDH) for flow-prediction. To study the proposed model, real and normalized data of Mand River located in Bushehr province were used and the results were compared with two methods of RBF and ANFIS neural networks. First, important parameters were determined using sensitivity analysis and then the mentioned methods were evaluated and compared with statistical indicators such as Nash coefficient (NASH). The results showed that the raw data in the Fuzzy-GMDH method with a value of NASH = 0.8822, offers higher accuracy than normal data (NASH = 0.8888). On the other hand, the Fuzzy-GMDH model has a better performance in predicting discharge daily than the other two methods with flow coefficient values of 0.8555 and 0.8776, respectively.

    Keywords: ANN, ANFIS, Forecasting Discharge, Mand River, Stage–discharge relationsh
  • سارا حشمتی*، مریم حافظ پرست مودت
    تامین نیاز های آبی به دلیل کاهش منابع آب و افزایش جمعیت به مراتب مشکل‏تر و محدودتر از گذشته است. از سویی کاهش نزولات جوی و محدودیت شدید منابع آب، ضرورت پیش بینی بارش و دبی ناشی از آن را در بازه‏ های زمانی ماهانه و سالانه در مقیاس حوضه آبریز و زیرحوضه‏ های آن را دو چندان می‏نماید. اساس این کار ارزیابی جوی و پیش بینی بارندگی در سری‏ های زمانی است. یکی از فرضیات کلیدی در سری‏ های زمانی ایستا بودن آنها است. با این وجود، بسیاری از سری‏ های هیدرولوژیکی بنا به دلایل مختلف مانند روند، پرش و تناوب ناایستا هستند. هدف از این پژوهش ارزیابی ایستایی سری زمانی بارندگی به منظور انتخاب مناسب‏ترین مدل جهت پیش‏بینی دبی جریان رودخانه جامیشان در ایستگاه آب‏سنجی پیرسلمان بود. حوضه جامیشان در شمال‏شرقی استان کرمانشاه در بالادست رودخانه دینور قرار دارد. به این منظور داده های بارندگی ماهانه در یک دوره 25 ساله (1365-1390) استفاده شد. از آنجایی که سری زمانی ناایستا است و عوامل ناایستایی آن حذف نگردید در نهایت پارامترهای مدل غیر فصلی SARIMA با استفاده از نرم افزار MINITAB  جهت پیش‏بینی باران ماهانه محاسبه گردید. برای صحت سنجی  مدل از معیار نرمال بودن و مستقل بودن باقی مانده ها استفاده شد و در نهایت مقادیر دبی رودخانه پیر سلمان به کمک مدل 12(3,0,1)×(3,0,1)SARIMA  نسبت به مدل‏ های دیگر با داشتن میانگین خطای کمتر در پیش‏ بینی برآورد گردید.
    کلید واژگان: ایستگاه پیرسلمان, پیش بینی دبی, سری زمانی, مدل SARIMA
    Sara Heshmati*, Maryam Hafezparast Mavadat
    Nowadays, water supply is more limited and providing water is more difficult due to increasing population and demand for water. Thus, due to rainfall shortage and impacts of drought, the need for forecasting monthly and annual rainfall and flow discharge through time series analysis is acutely felt. One of the key assumption in time series is their static condition. However, hydrological time series are sometimes dynamic due to independent occurrences and variations. The objective of this study was to evaluate a suitable forecast model for water flow discharge  through evaluating whether time series data of rainfall in Jamishan river, Kermanshah, Iran were static. The 25-year data of monthly rainfall (1988-2013) were used and assumed to be a dynamic series. Non-seasonal parameters of SARIMAS model were analyzed through MINTAB software. The accuracy, reliability, normality and independence of data were also evaluated. Finally, water flow discharge was modeled and predicted by SARIMA (3,0,1) x (3,0,1)12 which showed minimum mean error.
    Keywords: Discharge Forecasting, Time series, SARIMA model, Pirsalman Station
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال