عنوان : ( ﭘﯿﺶﺑﯿﻨﯽ ﺑﺎر ﻣﻌﻠﻖ رودﺧﺎﻧﻪ ﺑﺎ اﺳﺘﻔﺎده از ﻣﺪلﻫﺎی ﺳﺮی زﻣﺎﻧﯽ و ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ (ﻣﻄﺎﻟﻌﻪ ﻣﻮردی: اﯾﺴﺘﮕﺎه ﻗﺰاﻗﻠﯽ رودﺧﺎﻧﻪ ﮔﺮﮔﺎﻧﺮود) )
نویسندگان: فاطمه برزگری , محمدتقی دستورانی ,
Full Textچکیده
برآورد میزان دقیق رسوبات معلق در رودخانهها از ابعاد مختلف کشاورزی، حفاظت خاک، کشتیرانی، سدسازی، حیات آبزیان و ابعاد تحقیقاتی، دارای اهمیت فراوانی است. روشهای مختلفی برای بررسی و برآورد رسوبات معلق رودخانه، موجود میباشد که البته توانایی این روشها متفاوت است. در تحقیق حاضر به منظور مقایسه و بررسی توانایی مدلهای سری زمانی شامل و شبکههای عصبی در پیشبینی رسوب معلق، از دادههای روزانه ایستگاه قزاقلی واقع روی رودخانه گرگانرود ARIMA ، مارکف Neurosolutions و 5 Minitab استفاده شده است. دادههای موجود بهصورت متوسط رسوب معلق ماهانه در محیط نرمافزار 16 بهکارگرفته شد و در نهایت پیشبینی رسوب برای 111 ماه انجام گرفت. در مرحله بعد، مقادیر پیشبینی شده توسط مدلهای نشان داد که شبکههای عصبی در مقایسه با مدلهای سری زمانی NMSE و RMSE مختلف، با شاخصهای اندازهگیری خطا شامل توانایی بهتری در پیشبینی و مدلسازی رسوب ماهانه دارد و نیز در بین مدلهای سری زمانی، مدل مارکف در مقایسه با مدل دارای توانایی بهتری در برآورد رسوب معلق می باشد.
کلمات کلیدی
, آریما, رسوب معلق, قزاقلی, مارکف, مدلسازی
@article{paperid:1056511,
author = {فاطمه برزگری and دستورانی, محمدتقی},
title = {ﭘﯿﺶﺑﯿﻨﯽ ﺑﺎر ﻣﻌﻠﻖ رودﺧﺎﻧﻪ ﺑﺎ اﺳﺘﻔﺎده از ﻣﺪلﻫﺎی ﺳﺮی زﻣﺎﻧﯽ و ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ (ﻣﻄﺎﻟﻌﻪ ﻣﻮردی: اﯾﺴﺘﮕﺎه ﻗﺰاﻗﻠﯽ رودﺧﺎﻧﻪ ﮔﺮﮔﺎﻧﺮود)},
journal = {پژوهشنامه مدیریت حوزه آبخیز},
year = {2016},
volume = {6},
number = {12},
month = {March},
issn = {2251-6174},
pages = {216--225},
numpages = {9},
keywords = {آریما، رسوب معلق، قزاقلی، مارکف، مدلسازی},
}
%0 Journal Article
%T ﭘﯿﺶﺑﯿﻨﯽ ﺑﺎر ﻣﻌﻠﻖ رودﺧﺎﻧﻪ ﺑﺎ اﺳﺘﻔﺎده از ﻣﺪلﻫﺎی ﺳﺮی زﻣﺎﻧﯽ و ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ (ﻣﻄﺎﻟﻌﻪ ﻣﻮردی: اﯾﺴﺘﮕﺎه ﻗﺰاﻗﻠﯽ رودﺧﺎﻧﻪ ﮔﺮﮔﺎﻧﺮود)
%A فاطمه برزگری
%A دستورانی, محمدتقی
%J پژوهشنامه مدیریت حوزه آبخیز
%@ 2251-6174
%D 2016
