مدلسازی بارش رواناب با استفاده از شبکه عصبی مصنوعی و مدل HEC-HMS و ارزیابی آنها (مطالعه موردی: حوضه آبخیز آدینان سقز)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مدلسازی بارش رواناب با استفاده از شبکه عصبی مصنوعی و مدل HEC-HMS و ارزیابی آنها (مطالعه موردی: حوضه آبخیز آدینان سقز) دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مدلسازی بارش رواناب با استفاده از شبکه عصبی مصنوعی و مدل HEC-HMS و ارزیابی آنها (مطالعه موردی: حوضه آبخیز آدینان سقز)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مدلسازی بارش رواناب با استفاده از شبکه عصبی مصنوعی و مدل HEC-HMS و ارزیابی آنها (مطالعه موردی: حوضه آبخیز آدینان سقز)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مدلسازی بارش رواناب با استفاده از شبکه عصبی مصنوعی و مدل HEC-HMS و ارزیابی آنها (مطالعه موردی: حوضه آبخیز آدینان سقز) :

تعداد صفحات :۱۳

چکیده مقاله:

یکی از چالشها و اهداف عمده در هیدرولوژی مهندسی تعیین یک مدل بارش- رواناب مناسب جهت مشخص کردن پاسخ حوضه نسبت به یک بارش مشخص با استفاده از پارامترهای موجود در مدل است. پاسخ حوضه تابعی از مشخصات حوضه آبریز و مقادیر پارامترهای مدل است. در پژوهش حاضر برای مدلسازی فرایند بارش رواناب در سطح حوضه آدینان با بهره گیری از داده های مشاهده ای از مدل HEC-HMS و روش شبکه های هوشمند (شبکه عصبی مصنوعی) ANN استفاده شد و مورد بررسی قرار گرفت. مقادیر رواناب برآورد شده از مدل HEC-HMS و مدل های هوشمند عصبی مقایسه گردید. در این تحقیق عملکرد مدل ها از معیارهای عملکرد شامل ضریب همبستگی (R2) میانگین مربعات خطا (RMSE) و Nash-sutcliffe استفاده شد. با بررسی عملکرد مدل HEC-HMS ضریب همبستگی در مرحله واسنجی و صحت سنجی ۰/۷۳ و ۰/۷۲ به دست آمد همچنین معیار NASH و RMSE به ترتیب در دو مرحله واسنجی و صحت سنجی ۰/۷۳۶ و ۱۵/۸۱ و ۰/۷۱۳ و ۱۰/۸۹ به دست آمد. شبکه ی عصبی مصنوعی با الگوریتم پس از انتشار خطا در بهترین ساختار خود میانگین مربعات خطای مدل در مراحل مختلف آزمایش، صحت سنجی و آزمون به ترتیب ۰/۴۱ و ۰/۷۹ و ۰/۵۳ و ضریب همبستگی ۰/۹۸ و ۰/۹۸ و ۰/۹۶ می باشد که نشان از همبستگی بالا و معنی داری بین مقادیر مشاهده ای و مقادیر پیش بینی دارد. در نتیجه میان دو روش مقایسه عملکرد شبکه و مدل به کار رفته شده نشان می دهد که دقت ANN بیشتر از HEC-HMS است.