پیشبینی تراز سطح آب با استفاده از مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی (مطالعه موردی دریاچه ارومیه)

Q2 Engineering

Tumu yu Huanjing Gongcheng Xuebao/Journal of Civil and Environmental Engineering Pub Date : 2021-01-24 DOI:10.22034/JCEE.2021.20119.1498

مهدی کماسی, ندا قشلاقی, سروش شرقی

{"title":"پیشبینی تراز سطح آب با استفاده از مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی (مطالعه موردی دریاچه ارومیه)","authors":"مهدی کماسی, ندا قشلاقی, سروش شرقی","doi":"10.22034/JCEE.2021.20119.1498","DOIUrl":null,"url":null,"abstract":"چالش منابع آب امروزه مشکل بسیاری از کشورهای خاورمیانه است و این واقعیت در مورد دریاچه ارومیه که تراز سطح آب آن، با توجه به تغییرات بارش، خشکسالی و سدسازی دچار تغییرات و نوسانات زیادی شده‌است، دارای اهمیت بیشتری می‌باشد. هدف اصلی این مقاله بررسی قابلیت روش پویایی سیستم (SD) برای پیش‌بینی نوسانات سطح آب با استفاده از شبکه عصبی فازی تطبیقی موجکی (WANFIS) می‌باشد. به همین دلیل، یک مدل شبیه‌سازی بر پایه پویایی سیستم برای حوضه آبریز دریاچه ارومیه توسعه داده شد. سپس، برای پیش‌بینی سطح آب، عوامل موثر بر آن مانند بارش، دبی و تبخیر با استفاده از مدل WANFIS پیش‌بینی شده و نتایج حاصل از پیش‌بینی وارد مدل پویایی سیستم می‌گردد و سپس سطح آب محاسبه می‌شود. نتایج مدلسازی نشان داد که مدل ترکیبی پویایی سیستم و شبکه عصبی فازی تطبیقی موجکی (SD-WANFIS) دارای عملکرد مناسبی می‌باشد. مقادیر شاخص‌های آماری مانند جذر میانگین مربعات خطا و ضریب تبیین برای مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی در مرحله صحت سنجی به ترتیب 31/0 متر و 84/0 می‌باشد. درحالیکه این شاخص‌ها برای مدل جعبه سیاه خطی خود همبسته میانگین متحرک تلفیق شده (ARIMA) برابر 61/0 متر و 53/0 می‌باشند. این نتایج نشان داد که ترکیب این دو مدل SD و مدل فازی WANFIS جهت پیش‌بینی با دقت مناسب، مفید می‌باشد.","PeriodicalId":52256,"journal":{"name":"Tumu yu Huanjing Gongcheng Xuebao/Journal of Civil and Environmental Engineering","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2021-01-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Tumu yu Huanjing Gongcheng Xuebao/Journal of Civil and Environmental Engineering","FirstCategoryId":"1087","ListUrlMain":"https://doi.org/10.22034/JCEE.2021.20119.1498","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q2","JCRName":"Engineering","Score":null,"Total":0}

引用次数: 0

Abstract

چالش منابع آب امروزه مشکل بسیاری از کشورهای خاورمیانه است و این واقعیت در مورد دریاچه ارومیه که تراز سطح آب آن، با توجه به تغییرات بارش، خشکسالی و سدسازی دچار تغییرات و نوسانات زیادی شده‌است، دارای اهمیت بیشتری می‌باشد. هدف اصلی این مقاله بررسی قابلیت روش پویایی سیستم (SD) برای پیش‌بینی نوسانات سطح آب با استفاده از شبکه عصبی فازی تطبیقی موجکی (WANFIS) می‌باشد. به همین دلیل، یک مدل شبیه‌سازی بر پایه پویایی سیستم برای حوضه آبریز دریاچه ارومیه توسعه داده شد. سپس، برای پیش‌بینی سطح آب، عوامل موثر بر آن مانند بارش، دبی و تبخیر با استفاده از مدل WANFIS پیش‌بینی شده و نتایج حاصل از پیش‌بینی وارد مدل پویایی سیستم می‌گردد و سپس سطح آب محاسبه می‌شود. نتایج مدلسازی نشان داد که مدل ترکیبی پویایی سیستم و شبکه عصبی فازی تطبیقی موجکی (SD-WANFIS) دارای عملکرد مناسبی می‌باشد. مقادیر شاخص‌های آماری مانند جذر میانگین مربعات خطا و ضریب تبیین برای مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی در مرحله صحت سنجی به ترتیب 31/0 متر و 84/0 می‌باشد. درحالیکه این شاخص‌ها برای مدل جعبه سیاه خطی خود همبسته میانگین متحرک تلفیق شده (ARIMA) برابر 61/0 متر و 53/0 می‌باشند. این نتایج نشان داد که ترکیب این دو مدل SD و مدل فازی WANFIS جهت پیش‌بینی با دقت مناسب، مفید می‌باشد.

查看原文本刊更多论文

求助全文

约1分钟内获得全文求助全文

来源期刊

Tumu yu Huanjing Gongcheng Xuebao/Journal of Civil and Environmental Engineering Engineering-Architecture

CiteScore

1.30

自引率

0.00%

发文量

5346