[صفحه اصلی ]   [Archive] [ English ]  
:: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
اطلاعیه ها::
::
شناسنامه نشریه
صاحب امتیاز
انجمن آبخیزداری ایران
►مدیر مسئول
دکتر سیدحمیدرضا صادقی
►سردبیر
دکتر علی طالبی
►مدیر اجرایی
مهندس فرهاد بهبودی
►مدیر داخلی
دکتر عاطفه جعفرپور
►دوره انتشار
فصل‌نامه
►شاپا الکترونیکی
2008-9554
..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
سایت انجمن آبخیزداری ایران
سایت انجمن آبخیزداری ایران
پژوهشکده حفاظت خاک و آبخیزداری
..
مجله اکوهیدرولوژی

مجله اکوهیدرولوژی

..
:: دوره 11، شماره 38 - ( 7-1396 ) ::
جلد 11 شماره 38 صفحات 60-47 برگشت به فهرست نسخه ها
مدل سازی نوسانات روزانه سطح آب دریاچه ارومیه با استفاده از مدل ماشین یادگیری افراطی
اصغر اصغری مقدم* ، رحیم برزگر ، شهلا سلطانی
چکیده:   (6977 مشاهده)

در دهه­های اخیر به دلیل افزایش بی­رویه برداشت از منابع آب سطحی و زیرزمینی، جلوگیری از ورود منابع آب سطحی به دریاچه ارومیه و همچنین تغییرات اقلیمی، سطح آب دریاچه ارومیه کاهش یافته و سبب ایجاد بحران آبی و زیست محیطی در منطقه گردیده است. بنابراین، مدل­سازی نوسانات سطح آب دریاچه ارومیه برای برنامه­ریزی و مدیریت منابع آب آن ضروری می­باشد. هدف از این تحقیق پیش­بینی نوسانات سطح آب دریاچه ارومیه برای یک، سه و هفت روز آینده با استفاده از مدل ماشین یادگیری افراطی است. برای مقایسه کارایی این مدل از مدل­های شبکه عصبی مصنوعی و سامانه استنتاج فازی-عصبی تطبیقی استفاده گردید. برای این منظور، از داده­های روزانه سطح آب دریاچه(آذر ماه 1344- آذر ماه 1391) استفاده گردید. برای توسعه مدل­ها، از داده­های سطح آب روز جاری و شش روز گذشته دریاچه ارومیه به عنوان ورودی مدل­ها به منظور پیش بینی سطح آب یک[h (t+1)]، سه[h (t+3)] و هفت[h (t+7)] روز آینده استفاده گردید. داده­ها به دو دسته آموزش/اعتبارسنجی (85 درصد) و آزمایش (15 درصد) تقسیم گردید و پس از مدل­سازی عملکرد مدل­ها بر اساس پارامترهای ضریب تعیین(R2)، جذر میانگین مربعات خطا(RMSE) و ضریب نش- ساتکلیف(NSC) ارزیابی گردید. نتایج نشان داد که مدل ماشین یادگیری افراطی با مقادیر R2، RMSE و NSC به ترتیب برابر با 9995/0، 0151/0 متر و 9995/0 برای مدل­سازی یک روز آینده سطح آب دریاچه در مقایسه با مدل­های شبکه عصبی مصنوعی و سامانه استنتاج فازی-عصبی تطبیقی عملکرد بهتری دارند. همچنین در این تحقیق مشاهده گردید که مدل­های ماشین یادگیری افراطی خیلی سریع­تر از مدل­های دیگر، یادگیری در مرحله آموزش را سپری می­کنند حال آنکه مدل­های فازی- عصبی تطبیقی زمان بیشتری را برای مرحله آموزش صرف کردند.

واژه‌های کلیدی: دریاچه ارومیه، سطح آب، ماشین یادگیری افراطی، مدل سازی
متن کامل [PDF 1925 kb]   (2384 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1395/5/30 | پذیرش: 1395/7/19 | انتشار: 1396/8/13
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Asghari Moghaddam A, Barzegar R, Soltani S. Modeling of daily water level fluctuations of the Urmia lake using extreme learning machine model. jwmseir 2017; 11 (38) :47-60
URL: http://jwmsei.ir/article-1-661-fa.html

اصغری مقدم اصغر، برزگر رحیم، سلطانی شهلا. مدل سازی نوسانات روزانه سطح آب دریاچه ارومیه با استفاده از مدل ماشین یادگیری افراطی. مجله علوم ومهندسی آبخیزداری ایران. 1396; 11 (38) :47-60

URL: http://jwmsei.ir/article-1-661-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 11، شماره 38 - ( 7-1396 ) برگشت به فهرست نسخه ها
مجله علوم ومهندسی آبخیزداری ایران Iranian Journal of Watershed Management Science and Engineering
Persian site map - English site map - Created in 0.05 seconds with 42 queries by YEKTAWEB 4645