پیش بینی دبی رودخانه زاینده رود در ایستگاه قلعه شاهرخ با استفاده از تکنیک های یادگیری عمیق
محورهای موضوعی : علوم آب
1 - گروه مهندسی کامپیوتر، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر ، ایران.
کلید واژه: ANFIS, پیش بینی, شبکه عصبی, LSTM, دبی رودخانه,
چکیده مقاله :
دبی به مقدار آبی گفته می‌شود که از نقطه مشخصی مانند رودخانه، کانال آب، دریچه سد، لوله و یا هر سازه دیگری مثل کارتریج (مغزی) شیرآلات در واحد زمان عبور می‌کند. دبی جریان آب را در سیستم متریک بر حسب متر مکعب در ثانیه، متر مکعب در ساعت و یا لیتر در ثانیه بیان می کنند. واحد مترمکعب در ثانیه برای دبی های زیاد مثل رودخانه و کانال های بزرگ و واحد لیتر در ثانیه برای جریان های آب چاه ها و آبی که وارد نشتی ها می شود، بکار می رود. اندازه گیری دبی رودخانه دارای تاثیرات زیادی در زندگی انسانها می باشد. اطلاع از میزان ورود آب به مناطق مربوط به حوضه آبریز یک رودخانه دارای اهمیت زیادی در حوزه های کشاورزی، خطرات بالقوه بر زندگی انسان و حیوانات، صنایع و غیره می باشد. لذا پیش بینی دبی رودخانه می تواند باعث مدیریت مؤثر و جلوگیری از لطمات جدی در حوزه های مذکور گردد. با توجه به موارد مذکور هدف ایده ی مطرح شده در این مقاله پیش بینی دبی رودخانه با استفاده از تکنیک های یادگیری عمیق می باشد. جهت انجام این کار، دبی رودخانه زاینده رود در ایستگاه قلعه شاهرخ با استفاده از دو تکنیک ANFIS و LSTM مورد بررسی و پیش بینی قرار گرفته است. نتایج شبیه‌سازی نشان‌دهندۀ 93 درصد الی 94 درصد دقت در پیش بینی دبی رودخانه مورد مطالعه می‌باشد.
Abstract- Water discharge is a term in the water industry that refers to the amount of water that passes through a certain point per unit of time. Discharge rate is the amount of water that passes through a specific point such as a river,, water channel, dam valve, pipe or any other structure such as a faucet cartridge in a unit of time. In the metric system, water discharge rate is expressed in terms of cubic meters per second, cubic meters per hour, or liters per second. The unit of cubic meters per second is used for large flows such as rivers and large canals, and the unit of liters per second is used for the flow of water in wells and water that enters leaks. Measuring the discharge of the river has many effects on people's lives. Knowing the amount of water entering the areas of a river's catchment area is very important in agriculture, potential risks to human and animal life, industries, etc. Therefore, predicting river discharge can lead to effective management and prevent serious damage in the mentioned areas. According to the mentioned cases, the purpose of the presented paper is to predict the river discharge using deep learning techniques. In order to do this, the discharge of the Zayandeh Rood River at Qala Shahrokh station has been investigated and predicted using two techniques - ANFIS and LSTM. The simulation results show 93% to 94% accuracy in predicting the discharge of the studied river.
_||_