در مطالعه حاضر خشکسالی حوضه آبریز سیمنهرود به وسیله مدلهای هوشمند ماشین بردار پشتیبان (SVM)، شبکه عصبی مصنوعی (ANN) و تئوری موجک (W) مورد بررسی قرار گرفت. از دادههای شش ایستگاه بارانسنجی در منطقه استفاده و شاخص خشکسالی در چهار مقیاس زمانی محاسبه گردید. همچنین خود همبس چکیده کامل
در مطالعه حاضر خشکسالی حوضه آبریز سیمنهرود به وسیله مدلهای هوشمند ماشین بردار پشتیبان (SVM)، شبکه عصبی مصنوعی (ANN) و تئوری موجک (W) مورد بررسی قرار گرفت. از دادههای شش ایستگاه بارانسنجی در منطقه استفاده و شاخص خشکسالی در چهار مقیاس زمانی محاسبه گردید. همچنین خود همبستگی مرتبه اول به عنوان تاخیر بهینه انتخاب شد. سپس ساختار مناسب شبکه عصبی مصنوعی با استفاده از روش آزمون و خطا تعیین و ضرایب سهگانه مدل SVM نیز مشخص و مدلسازی انجام شد. نتایج ارزیابی مدلهای منفرد نشان داد که تفاوت معنی داری بین دو روش در پیشبینی خشکسالیها وجود ندارد. در ادامه مدلهای هیبریدی WANN و WSVMتهیه شدند. نتایج نشان داد کاربست تئوری موجک عملکرد مدلهای منفرد را بسیار بهبود داده و مقدار شاخصهای RMSE و MAE به ترتیب 19٪ و 21٪ کاهش و ضریب همبستگی 30٪ افزایش داشته و مدل W(L2)SVM برای پیشبینی خشکسالیهای حوضه آبریز سیمینهرود پیشنهاد گردید.
پرونده مقاله
تبخیر و تعرق از مهمترین اجزای چرخه هیدرولوژی بوده و برآورد دقیق آن در مطالعات زیادی مانند بیلان آب، مدیریت منابع آب و برنامه‎ریزی آبیاری کاربرد دارد. استفاده از مدل‎های هوشمند می‎تواند ابزارهای مناسبی برای تخمین متغیرهای غیرخطی همچون تبخیر و تعرق باشد. مطالع چکیده کامل
تبخیر و تعرق از مهمترین اجزای چرخه هیدرولوژی بوده و برآورد دقیق آن در مطالعات زیادی مانند بیلان آب، مدیریت منابع آب و برنامه‎ریزی آبیاری کاربرد دارد. استفاده از مدل‎های هوشمند می‎تواند ابزارهای مناسبی برای تخمین متغیرهای غیرخطی همچون تبخیر و تعرق باشد. مطالعه حاضر از روش‎های برنامه‎ریزی بیان ژن GEP و سیستم استنتاج عصبی فازی- تطبیقی ANFIS برای پیش بینی تبخیر و تعرق مرجع ماهانه استفاده گردید. بدین منظور دو حالت مختلف مدل‎سازی توسعه داده شد. حالت اول الگوهای اقلیم پایه و حالت دوم نقش حافظه در پیش‎بینی تبخیر و تعرق مرجع ماهانه، از روش آنتروپی شانون برای انتخاب بهینه‎ترین ورودی‎ها استفاده شد. مطابق نتایج مدل GEP در الگوی CBM8با مقادیر 91/0KGE=، 87/0WI= و 495/0 RMSE=بهترین عملکرد را در پیش‎بینی تبخیر و تعرق مرجع ماهانه ایستگاه سینوپتیک داشت. نتایج حاصل از اجرای مدل‎ها با الگوهای تاخیر پایه نیز روش آنتوپی شانون توانست تاخیر بهینه را به درستی شناسایی نماید.
پرونده مقاله