پیش¬بینی جریان روزانه با استفاده از شبکه¬های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای)

نوع مقاله : مقاله پژوهشی

نویسندگان

چکیده

پیش­بینی دقیق جریان در رودخانه­ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی­ها است. به دلیل اهمیت پیش­بینی جریان رودخانه، در این تحقیق جریان روزانه رودخانه­ی باراندوزچای در دو ایستگاه بی­بکران و دیزج طی یک دوره­ی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) می­باشد، پیش­بینی گردید. سپس نتایج حاصله از مدل WNN با مدل ANN مقایسه گردید. داده­های مربوط به سال­های 1384-1369 به منظور آموزش شبکه­ها و داده­های سال­های 1388-1385 نیز جهت صحت­سنجی شبکه­ها استفاده گردیدند. عملکرد این دو مدل توسط شاخص­های آماری ضریب همبستگی (r)، ریشه مربع میانگین خطا (RMSE) و میانگین قدر مطلق خطا (MAE) ارزیابی گردید. نتایج این پژوهش نشان داد که مدل WNN با ضرایب همبستگی 972/0 و 976/0 که به ترتیب مربوط به ایستگاه­های بی­بکران و دیزج می­باشند، توانایی بیشتری در پیش­بینی جریان روزانه رودخانه نسبت به مدل ANN دارد. بنابراین، نتایج حاکی از کارایی مناسب و دقت بالای مدل عصبی- موجکی در مقایسه با شبکه عصبی مصنوعی در پیش­بینی جریان رودخانه است.
i-font_�iy`[��Wew Roman";mso-fareast-font-family:Calibri; mso-hansi-font-family:"Times New Roman";mso-ansi-language:EN-US;mso-fareast-language: EN-US;mso-bidi-language:FA'>  به میزان 074/0 واحد ( 87/160 درصد) نسبت به شاهد شد. بطور کلی نتایج دلالت بر این دارد که جهت اصلاح خاک­های شور-سدیمی، بهتر است ابتدا ازPAM استفاده شود، چون از نظر بهبود هدایت هیدرولیکی و تسریع آبشویی تأثیر مهم می­گذارد، بهره گیری از پومیس یا کمپوست در اولویت بعدی قرار می­گیرد.

کلیدواژه‌ها

عنوان مقاله [English]

River flow prediction using Artificial Neural Network and Wavelet Neural Network models (Case study: Barandozchay River)

نویسندگان [English]

  • Safar Marofi
  • Kimyia Amirmoradi
  • Nasreddin Parsafar
چکیده [English]

Accurate forecasting of river flow is one of the most important factors in surface water resources management especially during flood and drought periods. Because of the importance of river flow forecasting, in this study, daily flow of Barandozchay river in two stations (Bibakran and Dizaj) for a period of 20 years using Wavelet Neural Network (WNN) which is a combination of wavelet analysis and Artificial Neural Network (ANN) has been predicted. The results of ANN model have been compared with WNN model. Data of the years 1990-2005 and 2006-2009 were used for training and verification of the networks, respectively. The performance of the two models was evaluated by statistics: r, RMSE and MAE. The results showed that the WNN model with a correlation coefficient of 0.972 and 0.976 (for stations of Dizaj and Bibkran, respectively) was able to forecast daily river flows better than the ANN model. Therefore, the results indicated that the proposed WNN method performed quite well compared to Artificial Neural Network method and could be applicable for river flow forecasting.

کلیدواژه‌ها [English]

  • Artificial Neural Networks
  • Barandozchay river
  • Daily flow
  • Wavelet Neural Network

فایل ها

هم رسانی

ارجاع به این مقاله

آمار