- همه نشریات
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- مجلات ترویجی کشاورزی
- نشریات انجمن ها
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
آمار
| تعداد نشریات | 278 |
| تعداد نشریات سازمان | 77 |
| تعداد شماره‌ها | 2,150 |
| تعداد مقالات | 24,857 |
| تعداد مشاهده مقاله | 13,464,626 |
| تعداد دریافت فایل اصل مقاله | 10,844,379 |
تخمین جریان روزانه رودخانه با استفاده از مدل‌های هوشمند، مطالعه موردی: رودخانه مهاباد | ||
| مهندسی و مدیریت آبخیز | ||
| مقاله 8، دوره 13، شماره 3، پاییز 1400، صفحه 614-624 اصل مقاله (4.03 MB) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijwmse.2021.126342.1656 | ||
| نویسندگان | ||
عباس عباسی   1؛ کیوان خلیلی2؛ جواد بهمنش3؛ اکبر شیرزاد4
| ||
| 1دانش‌آموخته دکتری مهندسی منابع آب، دانشکده کشاورزی، دانشگاه ارومیه | ||
| 2استادیار، دانشکده کشاورزی، دانشگاه ارومیه | ||
| 3استاد، دانشکده کشاورزی دانشگاه ارومیه | ||
| 4دانشیار، دانشکده محیط زیست، دانشگاه صنعتی ارومیه | ||
| چکیده | ||
| تخمین صحیح و دقیق جریان رودخانه می‌تواند نقش مهمی در کاهش اثرات ناشی از خسارات سیلاب ایفا کند. در این تحقیق، از مدل برنامه‌ریزی بیان‌ژن (GEP) و شبکه بیزین (BN) برای پیش‌بینی جریان روزانه رودخانه مهاباد واقع در حوزه آبخیز دریاچه ارومیه استفاده شد. بر این اساس، از چهار الگوی ورودی با تأخیرهای یک تا چهار روزه برای پیش‌بینی مقادیر جریان روزانه در زمان t+1 در یک دوره 23 ساله استفاده و از 75 درصد داده‌ها به‌منظور آموزش مدل‌ها و از 25 درصد باقی‌مانده برای مرحله آزمون استفاده شد. نتایج نشان داد که الگوی برتر در هر دو روش، مدل با مقادیر ورودی تا سه گام زمانی تأخیر می‌باشد. همچنین، بر اساس سه شاخص ارزیابی ضریب همبستگی (R)، مجذور میانگین مربعات خطا (RMSE) و ضریب نش-ساتکلیف (E) در مرحله آزمون، روش برنامه‌ریزی بیان ژن با آماره‌های ارزیابی 2.71=R=0.902 ،RMSE و 0.812=E نسبت به روش شبکه بیزین با آماره‌های ارزیابی 2.679=R=0.905 ،RMSE و 0.817=E دارای دقت بالاتری می‌باشد. در حالت کلی، هر دو روش دارای دقت قابل قبول و نسبتاً یکسان هستند، ولی به‌دلیل مدل‌سازی آسان‌تر روش شبکه بیزین این مدل می‌تواند به‌عنوان یک روش کارآمد در پیش‌بینی جریان رودخانه‌ها مورد استفاده قرار گیرد. | ||
| کلیدواژه‌ها | ||
| برنامه‌ریزی بیان ژن؛ پیش‌بینی؛ دریاچه ارومیه؛ سیل؛ شبکه بیزین | ||
| عنوان مقاله [English] | ||
| Daily river flow estimation based on intelligent models, case study: Mahabad River | ||
| نویسندگان [English] | ||
| Abbas Abbasi1؛ Keivan Khalili2؛ Javad Behmanesh3؛ Akbar Shirzad4 | ||
| 1PhD, Faculty of Agriculture, Urmia University, Urmia, Iran | ||
| 2Assistant Professor, Faculty of Agriculture, Urmia University, Urmia, Iran | ||
| 3Professor, Faculty of Agriculture, Urmia University, Urmia, Iran | ||
| 4Associate Professor, Faculty of Environment, Urmia University of Technology, Urmia, Iran | ||
| چکیده [English] | ||
| The correct and accurate estimation of river flow can play an important role in reducing the effects of flood damage. In this research, Gene Expression Programming (GEP) model and Bayesian Network (BN) were used to predict daily flow of Mahabad River in Urmia Lake Basin. Accordingly, four input models with a delay of one to four days used to estimate daily flow at time t+1 over a 23-years period and 75% of data was used to train the models and 25% of the remaining data was used for the test stage. Results showed that the best model in both methods was the input pattern with three-time lags. Also, based on the correlation coefficient (R), Root Mean Square Error (RMSE) and Nash-Sutcliffe (E) coefficient in the test stage of the GEP method with R=0.902, RMSE=2.71(m3s-1) and E=0.812 compared to the BN method with R=0.905, RMSE=2.679(m3s-1( and E=0.817 is more accurate. In general, both methods have acceptable accuracy and are they relatively similar, but because of the simpler modeling, Bayesian Network method can be used as an efficient method for predicting river flow. | ||
| کلیدواژه‌ها [English] | ||
| Bayesian Network, Flood, Gene Expression Programming, Prediction, Urmia Lake | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 27 تعداد دریافت فایل اصل مقاله: 18 |
||
