پیشبینی جریان ورودی به مخزن سد کمال صالح با استفاده از محاسبات نرم
(ندگان)پدیدآور
شاه کرمی, نازنینثانی خانی, هادیمرادی, مجتبینوع مدرک
Textمقاله پژوهشی
زبان مدرک
فارسیچکیده
چکیده
پیشبینی جریان ورودی به مخازن سدها به منظور انجام برنامهریزی و بهرهبرداری مناسب منابع آب لازم و ضروری است. در این تحقیق عملکرد دو مدل هوشمند شبکههای عصبی مصنوعی و سامانه استنتاج فازی- عصبی تطبیقی مبتنی بر روش دستهبندی تفریقی در پیشبینی جریان ورودی به سد کمال صالح در استان مرکزی مورد بررسی قرار گرفت. بدین منظور از دادههای جریان و بارش در یک دوره آماری 31 ساله (1390- 1360)استفاده شد و پیشبینی جریان در گامهای زمانی روزانه و ماهانه انجام شد. از مقادیر دبی جریان و بارش در گامهای زمانی قبلی به عنوان الگوهای ورودی مدلها استفاده شد. عملکرد هر دو مدل در پیشبینیهای روزانه و ماهانه جریان بر اساس مقادیر شاخصهای خطای R، RMSE و MAE بسیار مطلوب بود، هرچند عملکرد مدل فازی- عصبی بهتر از مدل شبکههای عصبی بود (کمتر از 3 درصد). استفاده از ضریب فصلی موجب بهبود عملکرد مدلها در پیشبینیهای ماهانه شد. در ادامه، اثرات متغیرهای اقلیمی بزرگ مقیاس شامل شاخص نوسانات آتلانتیک شمالی و شاخص نوسانات جنوبی در پیشبینیهای ماهانه حاصل از الگوی بهینه مدل برتر بخش قبل، مورد بررسی قرار گرفت. نتایج به دست آمده حاکی از آن بود که استفاده از شاخصهای اقلیمی در ترکیب الگوهای ورودی، میتواند موجب بهبود عملکرد مدل در پیشبینیهای جریان ورودی گردد. در این میان شاخص نوسانات جنوبی تاثیر بیشتری بر بهبود پیشبینی دبی جریان ماهانه داشت. به طوریکه، مقدار شاخصهای آماری تحلیل خطای مدل فازی- عصبی شامل R، RMSE و MAE به ترتیب برابر 91/0، 56/3، 73/3 به دست آمدند که نشاندهنده توان افزایش دقت مدل با بهبود شاخصهای خطا به ترتیب به میزان 11، 9 و 11 درصد میباشد.
کلید واژگان
پیشبینیدستهبندی تفریقی
شاخصهای اقلیمی
شبکههای عصبی
فازی-عصبی تطبیقی
شماره نشریه
2تاریخ نشر
2016-02-201394-12-01
ناشر
انجمن مهندسی آبیاری و آب ایرانسازمان پدید آورنده
استادیار، گروه عمران، دانشگاه اراک، اراک،عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد تبریز
رئیس گروه مطالعات آب سطحی، شرکت سهامی آب منطقه ای مرکزی، اراک