براورد رواناب با استفاده از استنتاج عصبی فازی و رگرسیون درحوضه ی آبریز دز

محورهای موضوعی : فصلنامه زمین شناسی محیط زیست

غزاله احمدیان احمدآباد ¹ (دانش آموخته کارشناسی ارشد گروه مهندسی عمران، واحد اسلامشهر،دانشگاه آزاد اسلامی،اسلامشهر، ایران)
محمود ذاکری نیری ² (گروه مهندسی عمران، واحد اسلامشهر،دانشگاه آزاد اسلامی،اسلامشهر، ایران ن)
صابر معظمی گودرزی ³ (گروه مهندسی عمران، واحد اسلامشهر،دانشگاه آزاد اسلامی،اسلامشهر، ایران)

تاریخ دریافت : 1399/04/17 تاریخ پذیرش : 1399/04/17 تاریخ انتشار : 1398/06/01

کلید واژه: شبیه سازی, شبکه عصبی مصنوعی, ماشین بردار پشتیبان, حوضه دز, مدل بهینه,

چکیده مقاله :

تخمین دبی جریان در حوضه آبریز، به دلیل تاثیر ان در مدیریت منابع آب، می تواند نقش اقتصادی مهمی داشته باشد.در این تحقیق، ازمدل های(ANN)،(SVR)و(ANFIS) جهت پیش بینی رواناب حوضه آبریز دزاستفاده شده است. همبستگی بین ایستگاه ها بررسی و ایستگاههای کمندان،زورآباد و دره تخت به دلیل همبستگی اندک با ایستگاههای اطراف،حذف شدند سپس به دلیل عدم بررسی دخالت انسانی، با استفاده از نرم افزارxlstatروند ایستگاهها بررسی و ایستگاههای فاقد روند انتخاب شدند.جهت ارزیابی عملکرد مدل ها ازضریب همبستگی(R)،ضریب نش-ساتکلیف (NSE)وریشه ی میانگین مربعات خطا(RMSE)استفاده شده است.نتایج این تحقیق حاکی از برتریANFISبا رویکردکلاسترینگ نسبت به رویکرد شبکه بندی است.مدل های(ANN)،(ANFIS)و(SVR) توانایی خوبی در شبیه سازی جریان حوضه آبریز دز داشته اند.

چکیده انگلیسی:

Estimation of discharge flow in basin due to impact on water resource management can have an important economic role.In this research several computationals intelligence techniques suchas:ANN,SVR and ANFIS have been used to prediction the runoff dez basin.correlation between stations was investigated and stations of kamandan,zoorabad and daretakht were eliminated due to small correlation with around stations.then due to lack of human intervention with using xlstat software were evaluated  trend of stations and were selected stations without trend.Inorder to evaluate the performance of  models were used correlation,RMSE and NSE.Results of this research showed that ANFISwith clustering approach gives better estimation than grid partitioning approach.ANN, ANFIS and SVR have agood ability to simulate the flow of dez basin.