سال انتشار: ۱۳۸۵

محل انتشار: هفتمین سمینار بین المللی مهندسی رودخانه

تعداد صفحات: ۹

نویسنده(ها):

محسن پوررضا بیلندی – دانشجوی کارشناسی ارشد سازههای آبی، دانشگاه شهید چمران اهواز
رضا طارقیان – دانشجوی کارشناسی ارشد سازههای آبی، دانشگاه شهید چمران اهواز
مهدی قمشی – دانشیار دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

چکیده:

مدلهای بارش – رواناب بهعنوان جزئی از سیستمهای پیشبینی سیلاب میباشند . در یک چنین سیستمهایی، یک مدل بارش – رواناب ممکن است بر اساس دقت، آشنایی کاربر با آن، سادگی استفاده از آن، نوع حوضه و یا اطلاعات در دسترس انتخاب شود . تا به امروز مدلهای بارش – رواناب فراوانی با قابلیتها و پیچیدگیهای متفاوتی ساخته و به کار برده شدهاند . اما علیرغم وجود مدلهای فراوان، ظهور مرتب مدلهای جدید نشان میدهد که هنوز یک چنین مدل فوق العادهای ساخته نشده است . بهعنوان یک راهحل، میتوان به جای تکیه بر تنها یک مدل، از روش ترکیب نتایج حاصل از
مدلهای بارش – رواناب مختلف استفاده کرد . در این تحقیق با استفاده از اطلاعات بارندگی، رواناب دو حوضه رودخانههای نورثفورک و ساوثفورک در ایالت کالیفرنیای آمریکا و با استفاده از ترکیب
نتایج حاصل از مدلهای بارش – رواناب به پیشبینی دبی سیلاب پرداخته شد . مدلهای بارش – روانابSVRCو LVGFM ،LPM ،SLM بدین منظور انتخاب شدند . همچنین به منظور ترکیب نتایجحاصل از مدلهای بالا از روشهای ترکیبی متوسطگیری ساده، رگرسیون خطی و غیرخطی و شبکه – های عصبی مصنوعی استفاده شد . در زمان ترکیب نتایج مدلهای بارش – رواناب مختلف با استفاده از شبکههای عصبی، از الگوریتم پسانتشار خطا ) ) BP جهت آموزش و تست شبکه بهره برده شد . نتایج حاصله نشان داد که دبی سیلاب پیشبینی شده با استفاده از روشهای ترکیبی، دارای میزان خطای کمتر و همبستگی بالاتری نسبت به تک تک مدلهای بارش – رواناب بود . در میان این روش – های ترکیبی، شبکههای عصبی و رگرسیون غیرخطی نتایج بهتری را ارائه دادند .