تقييم البارامترات الفعالة للجريان السطحي في حوض نهر الكبير الجنوبي باستخدام شبكات ELMAN الصنعيّة

Evaluation of effective Parameters in the estimation of Runoff in Alkabeer Aljanobee Catchment using Elman Neural Network

632   0   35   0 ( 0 )
 تاريخ النشر 2015
 تمت اﻹضافة من قبل شمرا

تعدّ النمذجة الدقيقة للعلاقة بين الهطول المطري_الجريان السطحي (Rainfall_Runoff) (R_R) مهمة معقدة جدّاً, على الرغم من حقل النمذجة الواسع الذي يشمل كلّاً من الطرائق الموجهة بالمعرفة و الطرائق الموجهة بالبيانات. تتطلب النماذج الموجهة بالمعرفة كمية ضخمة من البارامترات، و بالتالي فهي تعاني من تأثير كثرة البارامترات. هذا مايجعل العاملين في حقل النمذجة يبحثون عن طرائق نمذجة بسيطة تتطلب عدد قليل من البارامترات مثل الطرائق الموجهة بالبيانات, لذلك تهدف الدراسة الحالية إلى استخدام الشبكات العصبية الصنعية التي تعدّ إحدى أنواع هذه الطرائق لنمذجة العلاقة R_R في حوض نهر الكبير الجنوبي في محافظة طرطوس. حيث تمّ الاعتماد على شبكة Elman الصنعية للتنبؤ بالجريان السطحي باختبار أربعة و عشرين نموذجاً ذات معماريات مختلفة, كما تمّ اختبار كلّ نموذج باستخدام عدد مختلف من العصبونات الخفية, و ذلك باستخدام مكتبة nntool المتاحة في حزمة برمجيات Matlab. أثبتت نتائج هذه الدراسة أن النموذج الذي يحوي في طبقة المدخلات على كلٍّ من درجة الحرارة, الرطوبة النسبية, التبخر و الهطول المطري بتأخر زمني مقداره ثلاثة أيام (-3:0) إضافةً إلى قيم سابقة للتصريف بتأخر زمني (-3:-1) و مع استخدام 25 عصبون في الطبقة الخفية يعطي أفضل أداء بمتوسط مربع خطأ مقداره 2.8*10^-5, و معامل ارتباط 0.96 لمجموعة البيانات المستخدمة, تمّ التوصل إلى أنّ شبكات Elman تعطي نتائج جيدة في نمذجة العلاقة R_R و بالتالي يمكن اعتبارها بديلاً للطرائق التقليدية في نمذجة العلاقة R_R.

المراجع المستخدمة
SOLAIMANI, k. Rainfall-runoff Prediction Based on Artificial Neural Network (A Case Study: Jarahi Watershed). ISSN United States. 2009, 856-865
DHAMGE, N. ؛KADU, M. ؛ATMAPOOJYA, S. Rainfall Runoff Modelling Studies Using Artificial Neural Network. International J.of Multidispl. Research & Advcs. in Engg. (IJMRAE) India, Vol. 4, No. I, 2012, 27-38
LAFDANI, E.؛ NIA, A.؛ PAHLAVANRAVI, A. ؛ AHMADI, A.؛ JAJARMIZADEH, M. Daily Rainfall-Runoff Prediction and Simulation Using ANN, ANFIS and Conceptual Hydrological MIKE11/NAM Models. International Journal of Engineering & Technology Sciences Iran. 2013, 32-50
قيم البحث
أعلن في شمرا
التعليقات
جاري جلب التعليقات جاري جلب التعليقات