• ترکیب شبکه عصبی مصنوعی و مدل مفهومی hbv به منظور شبیه سازی رواناب روزانه

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/11/01
    • تاریخ انتشار در تی پی بین: 1393/11/01
    • تعداد بازدید: 737
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    استفاده از مدل های ترکیبی در شرایط ضعیف مدل های داده محور و مفهومی رویکردی جدید و در حال پیشرفت در زمینه مدل سازی هیدرولوژیک می باشد. مدل های مبتنی بر روابط تجربی و روش های داده کاوی دارای مشکلاتی نظیر نداشتن درک فیزیکی نسبت به سیستم و وابستگی کامل منطقه مورد کاربرد می باشند. از طرفی مدل های ریاضی با توجه به فرضیات ساده کننده بکار گرفته شده در ساختار آن ها و ناتوانی در مدل سازی تمامی فرآیندهای حاکم در حوزه از دقت کافی برخوردار نیستند. یکی از راهکارهای پیش رو برای حل این مشکلات ترکیب مدل ها می باشند. در این مقاله شبکه عصبی مصنوعی و مدل مفهومی hbv برای شبیه سازی رواناب روزانه در زیر حوزه پلاسجان در بالادست حوزه آبریز زاینده رود به شکل متوالی مورد ترکیب قرار گرفته اند. روش ارائه شده توانسته است در شرایطی که آماره نش- ساتکلیف در مرحله صحت سنجی برای مدل شبکه عصبی مصنوعی و مدل مفهومی hbv به ترتیب برابر 0.472 و 0.325 بوده است باعث بهبود عملکرد تا مقدار نش- ساتکلیف 0.65 گردد. نتایج این مطالعه نشان دهنده موثر بودن توسعه مدل های ترکیبی متوالی می باشد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین ژورنال ها