| تعداد نشریات | 287 |
| تعداد نشریات سازمان | 85 |
| تعداد شمارهها | 3,159 |
| تعداد مقالات | 35,108 |
| تعداد مشاهده مقاله | 50,530,097 |
| تعداد دریافت فایل اصل مقاله | 90,478,574 |
مدلسازی و روندیابی میزان تبخیر سطحی از مخزن سد امیرکبیر با استفاده از روش شبکه عصبی و آزمون من-کندال | ||
| مهندسی و مدیریت آبخیز | ||
| مقاله 12، دوره 10، شماره 4، دی 1397، صفحه 635-644 اصل مقاله (1.76 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijwmse.2018.105706.1107 | ||
| نویسندگان | ||
| محمد حسین جهانگیر* 1؛ کیوان سلطانی2؛ احمد نوحهگر3؛ سید جواد ساداتینژاد4 | ||
| 1استادیار، دانشکده علوم و فنون نوین، دانشگاه تهران | ||
| 2دانشجوی کارشناسی ارشد، دانشکده علوم و فنون نوین، دانشگاه تهران | ||
| 3استاد، دانشکده محیط زیست، دانشگاه تهران | ||
| 4دانشیار، دانشکده علوم و فنون نوین، دانشگاه تهران | ||
| چکیده | ||
| تبخیر بهعنوان یکی از پارامترهای طبیعی بهعلت نقش تعیین کنندهای که در خروج آب از دسترس بشر دارد، همواره مورد توجه کارشناسان و محققین بوده است. در این پژوهش، سعی بر این است تا با بهکارگیری مدل شبکه عصبی مصنوعی در برآورد تبخیر از سطح دریاچه سد امیرکبیر، میزان دقت این مدل مورد ارزیابی قرار گیرد. در این راستا، از آمار 18 ساله، از سال 1376 تا 1393 شمسی استفاده شد و پس از انجام آزمون و خطاهای متوالی بهترین ساختار برای محاسبه میزان تبخیر از سطح دریاچه سد امیرکبیر انتخاب شد. بهطوری که، این ساختار در لایه اول، چهار و لایه دوم، دارای پنج نورون میباشد که در طی 1000 تکرار برای محاسبه آن، بهترین نتیجه بهدست آمد. همچنین، در مقاله حاضر، ضرایب آماری بهدست آمده از تحلیل با استفاده از شبکه عصبی مصنوعی در انتخاب بهترین ساختار مورد توجه قرار گرفت که در این ساختار ضریب همبستگی با مقدار 0.9365 دارای بیشترین مقدار در بین آزمونهای دیگر بوده و مقادیر خطا برای دادههای آموزش و آزمایش نیز بهترتیب برابر با 0.0311 و 0.0321 میباشد. علاوه بر این، با استفاد از آزمون من-کندال از دادههای روزانه 15 ساله، روند کلی دادههای مؤثر بر تبخیر مشخص شد. در روش من-کندال، نمودارهای تغییرات دما، سرعت باد و بارش دارای روند معنیداری نبوده و در آنها 1.96> Uا> 1.96- میباشد. در نمودار تغییرات سطح دریاچه در بین سالهای 1379 تا 1393، مقدار U از عدد 1.96 تجاوز کرده است که نشانه افزایشی بودن روند در این دوره میباشد که پس از این سالها مجدداً روند نزولی حاکم شده است. در روند ماهانه تغییرات تبخیر نیز بین سالهای 1379 تا 1393 نمودار U از محدوده 1.96- خارج شده که نشانه حاکمیت روند منفی در این بازه زمانی میباشد. | ||
| کلیدواژهها | ||
| آزمون و خطا؛ دادههای آموزش و آزمایش؛ دقت مدل؛ ضریب همبستگی؛ نورون | ||
| عنوان مقاله [English] | ||
| Modeling and routing of surface evaporation from the Amir Kabir reservoir using the Mann-Kendall and neural network technology | ||
| نویسندگان [English] | ||
| Mohammad Hossein Jahangir1؛ Keyvan Soltani2؛ Ahmad Nohegar3؛ Seyed Javad Sadatinejad4 | ||
| 1Assistant Professor, Faculty of New Sciences and Technologies, University of Tehran, Iran | ||
| 2MSc Student, Faculty of New Sciences and Technologies, University of Tehran, Iran | ||
| 3Associate Professor, Faculty of Environment, University of Tehran, Iran | ||
| 4Associate Professor, Faculty of New Sciences and Technologies, University of Tehran, Iran | ||
| چکیده [English] | ||
| Evaporation as a natural parameter due to the release of water from the upper part of mankind has always been of interest to scholars and researchers. In this study, we try to apply the artificial neural network model to estimate evaporation from the Amir Kabir dam and to evaluate the model accuracy. In this context, 18 years data from 1997 to 2014 were used and after consecutive try and error, the best structure for computing the amount of evaporation from the surface of the dam was selected. This structure has five neurons in the first, fourth and second layers that showed the best result in 1000 replications. Also, statistical coefficients obtained from the analysis using artificial neural network was considered in choosing the best structure with the amount of 0.9365 which was the highest amount among other tests and the amount of test and training data error were 0.0321 and 0.0311, respectively. In addition, general trend of effective data on evaporation was determined, using Mann-Kendall test on 15 years daily data. In Mann-Kendall method, temperature changes, wind speed and precipitation graphs had no significand trend and showed -1.69< U | ||
| کلیدواژهها [English] | ||
| Correlation coefficient, Neuron, Model accuracy, Test and training data, Try and error | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 784 تعداد دریافت فایل اصل مقاله: 636 |
||