عباس عباسی؛ کیوان خلیلی؛ جواد بهمنش؛ اکبر شیرزاد
چکیده
تخمین صحیح و دقیق جریان رودخانه میتواند نقش مهمی در کاهش اثرات ناشی از خسارات سیلاب ایفا کند. در این تحقیق، از مدل برنامهریزی بیانژن (GEP) و شبکه بیزین (BN) برای پیشبینی جریان روزانه رودخانه مهاباد واقع در حوزه آبخیز دریاچه ارومیه استفاده شد. بر این اساس، از چهار الگوی ورودی با تأخیرهای یک تا چهار روزه برای پیشبینی مقادیر ...
بیشتر
تخمین صحیح و دقیق جریان رودخانه میتواند نقش مهمی در کاهش اثرات ناشی از خسارات سیلاب ایفا کند. در این تحقیق، از مدل برنامهریزی بیانژن (GEP) و شبکه بیزین (BN) برای پیشبینی جریان روزانه رودخانه مهاباد واقع در حوزه آبخیز دریاچه ارومیه استفاده شد. بر این اساس، از چهار الگوی ورودی با تأخیرهای یک تا چهار روزه برای پیشبینی مقادیر جریان روزانه در زمان t+1 در یک دوره 23 ساله استفاده و از 75 درصد دادهها بهمنظور آموزش مدلها و از 25 درصد باقیمانده برای مرحله آزمون استفاده شد. نتایج نشان داد که الگوی برتر در هر دو روش، مدل با مقادیر ورودی تا سه گام زمانی تأخیر میباشد. همچنین، بر اساس سه شاخص ارزیابی ضریب همبستگی (R)، مجذور میانگین مربعات خطا (RMSE) و ضریب نش-ساتکلیف (E) در مرحله آزمون، روش برنامهریزی بیان ژن با آمارههای ارزیابی 2.71=R=0.902 ،RMSE و 0.812=E نسبت به روش شبکه بیزین با آمارههای ارزیابی 2.679=R=0.905 ،RMSE و 0.817=E دارای دقت بالاتری میباشد. در حالت کلی، هر دو روش دارای دقت قابل قبول و نسبتاً یکسان هستند، ولی بهدلیل مدلسازی آسانتر روش شبکه بیزین این مدل میتواند بهعنوان یک روش کارآمد در پیشبینی جریان رودخانهها مورد استفاده قرار گیرد.
عباس عباسی؛ کیوان خلیلی؛ جواد بهمنش؛ اکبر شیرزاد
چکیده
آگاهی از وضعیت خشکسالی و پیشبینی شرایط آتی آن نقش مهمی در برنامههای مدیریت منابع آب برعهده دارد و در این راستا متغیرهای بارش و دما تأثیر بهسزایی در شدت و مدت وقوع این پدیده ایفا میکنند. با توجه به وضعیت حاکم بر دریاچه ارومیه در سالهای اخیر و تنش آبی موجود در حوزه آبخیز آن، در این پژوهش، وضعیت خشکسالی در ایستگاه ...
بیشتر
آگاهی از وضعیت خشکسالی و پیشبینی شرایط آتی آن نقش مهمی در برنامههای مدیریت منابع آب برعهده دارد و در این راستا متغیرهای بارش و دما تأثیر بهسزایی در شدت و مدت وقوع این پدیده ایفا میکنند. با توجه به وضعیت حاکم بر دریاچه ارومیه در سالهای اخیر و تنش آبی موجود در حوزه آبخیز آن، در این پژوهش، وضعیت خشکسالی در ایستگاه سینوپتیک سقز بهعنوان یکی از ایستگاههای مهم جنوبی حوزه آبخیز این دریاچه در مقیاسهای زمانی مختلف با استفاده از شاخص بارش-تبخیر و تعرق استاندارد شده (SPEI) و مدل ماشین بردار پشتیبان (SVM) با سه تابع هستهای خطی، چند جملهای و پایه شعاعی و شبکه بیزین (BN) مورد بررسی قرار گرفت. برای این منظور از شاخص SPEI در مقیاسهای زمانی کوتاهمدت یک و سه ماهه، میانمدت شش و 12 ماهه و بلندمدت 24 و 48 ماهه در طی دوره آماری 49 ساله برای پایش وضعیت خشکسالی در این ایستگاه استفاده شد. نتایج نشان داد، هشت دوره طولانی مدت خشکسالی مربوط به سالهای 1968-1962، 1974-1972، 1979-1978، 1982-1980، 1984-1983، 1987-1986، 2003-1999 و 2009-2007 در طول دوره آماری وجود دارد. سپس، با استفاده از سری زمانی مقادیر SPEI در پنج مدل ورودی با تأخیرهای یک تا پنج ماهه و مدلهای SVM و BN نسبت به پیشبینی خشکسالی اقدام شد. نتایج نشان داد که در هر دو روش، مدل با پنج تأخیر زمانی عملکرد بهتری داشته و تابع هستهای خطی در روش SVM نسبت به دو تابع دیگر دقت بیشتری داشته است. همچنین، دقت پیشبینی این مدلها با افزایش مقیاس محاسبه SPEI رابطه مستقیم دارد، بهنحوی که ضریب همبستگی در روش شبکه بیزین در مرحله آزمون از 0.174 در مقیاس یک ماهه به 0.985 در مقیاس 48 ماهه و در روش SVM با تابع هستهای خطی نیز از 0.149 به 0.983 رسیده است.