نارون1
2nd October 2013, 09:01 PM
چکیده
بروز سیلاب‌های سهمگین در اثر تغییرات آب و هوایی طیّ دهه‌های اخیر سبب بروز خسارات فراوانی در نواحی مختلف دنیا شده است. در نواحی خشک تأثیر این تغییرات محسوس‌تر است. در این بین استان سیستان و بلوچستان با آب و هوای گرم و خشک، مستعد وقوع سیل میباشد. حوضه‌ی آبریز سرباز که در قسمت‌های جنوبی این استان پهناور قرار گرفته، متأثر از شرایط موجود هرساله شاهد وقوع سیل و نتایج مخرب آن میباشد.
هدف از این پژوهش پیش‌بینی سیلاب رودخانه‌ی سرباز با شبکه عصبی مصنوعی میباشد. در این پژوهش از سه شبکه پرسپترون چندلایه، پس انتشار و Radial Basis جهت پیش‌بینی سیلاب رودخانه‌ی سرباز استفاده شد و نتایج این شبکه‌ها با مدل رگرسیون چند متغیّره مقایسه شده است.
برای این منظور از داده‌های روزانه اقلیمی و هیدرولوژیکی سه ایستگاه سرباز، ایرانشهر و پیردان طیّ یک دوره‌ی 28 ساله (مهر 1360 تا شهریور 1388) استفاده شد. با بررسی همبستگی بین این داده‌ها و دبی رودخانه سرباز پارامترهای مؤثر بر سیلاب تعیین شد. پس از نرمالیزه کردن داده‌ها، مدل‌های مختلف ایجاد شد.
بررسی نتایج نشان داد که شبکه‌ی منتخبRadial Basisبا همبستگی 97/0 در مرحله‌ی آموزش و 714/0 در مرحله‌ی آزمایش و خطای کمتر نسبت به سایر شبکه‌ها به عنوان بهترین مدل در بین انواع شبکه‌ی عصبی شناخته شد. مقایسه‌ی نتایج این شبکه و مدل رگرسیونی نشان می‌دهد که مدل شبکه عصبی عملکرد مناسب‌تری دارد و پیش‌بینی بهتری نسبت به روش رگرسیونی از سیلاب رودخانه‌ی سرباز ارائه می‌دهد.
نویسندگان :
حسین نگارش
مهدی اژدری مقدم
محسن آرمش
دانلــود مقــاله (http://gdij.usb.ac.ir/?_action=showPDF&article=791&_ob=46a33671759cf0c2d50379c01b5a62ee&fileName=full_text.pdf.)
بروز سیلاب‌های سهمگین در اثر تغییرات آب و هوایی طیّ دهه‌های اخیر سبب بروز خسارات فراوانی در نواحی مختلف دنیا شده است. در نواحی خشک تأثیر این تغییرات محسوس‌تر است. در این بین استان سیستان و بلوچستان با آب و هوای گرم و خشک، مستعد وقوع سیل میباشد. حوضه‌ی آبریز سرباز که در قسمت‌های جنوبی این استان پهناور قرار گرفته، متأثر از شرایط موجود هرساله شاهد وقوع سیل و نتایج مخرب آن میباشد.
هدف از این پژوهش پیش‌بینی سیلاب رودخانه‌ی سرباز با شبکه عصبی مصنوعی میباشد. در این پژوهش از سه شبکه پرسپترون چندلایه، پس انتشار و Radial Basis جهت پیش‌بینی سیلاب رودخانه‌ی سرباز استفاده شد و نتایج این شبکه‌ها با مدل رگرسیون چند متغیّره مقایسه شده است.
برای این منظور از داده‌های روزانه اقلیمی و هیدرولوژیکی سه ایستگاه سرباز، ایرانشهر و پیردان طیّ یک دوره‌ی 28 ساله (مهر 1360 تا شهریور 1388) استفاده شد. با بررسی همبستگی بین این داده‌ها و دبی رودخانه سرباز پارامترهای مؤثر بر سیلاب تعیین شد. پس از نرمالیزه کردن داده‌ها، مدل‌های مختلف ایجاد شد.
بررسی نتایج نشان داد که شبکه‌ی منتخبRadial Basisبا همبستگی 97/0 در مرحله‌ی آموزش و 714/0 در مرحله‌ی آزمایش و خطای کمتر نسبت به سایر شبکه‌ها به عنوان بهترین مدل در بین انواع شبکه‌ی عصبی شناخته شد. مقایسه‌ی نتایج این شبکه و مدل رگرسیونی نشان می‌دهد که مدل شبکه عصبی عملکرد مناسب‌تری دارد و پیش‌بینی بهتری نسبت به روش رگرسیونی از سیلاب رودخانه‌ی سرباز ارائه می‌دهد.
نویسندگان :
حسین نگارش
مهدی اژدری مقدم
محسن آرمش
دانلــود مقــاله (http://gdij.usb.ac.ir/?_action=showPDF&article=791&_ob=46a33671759cf0c2d50379c01b5a62ee&fileName=full_text.pdf.)