۲۳۱۱۳پ
per
تحلیل مقایسه ای از پیش بینی تغییرات سطح آب دریاچه های ارومیه، وان و خزر با استفاده از مدل های هوشمند هیبریدی
Comparative analysis of the prediction of water level changes in Caspian, Urmia and Van Lakes Using Hybrid Intelligent Models
/شبنم نقش‌آرا
: کشاورزی
، ۱۳۹۷
، میرزائی
۶۶ص
چاپی - الکترونیکی
کارشناسی ارشد
مهندسی منابع آب
۱۳۹۷/۱۱/۱۷
تبریز
دریاچه‌صهای خزر، ارومیه و وان به عنوان معروف‌صترین و شناخته شده‌صترین دریاچه‌صهای منطقه، مقصد نهائی مجموعه‌صای از رودخانه‌ها است .با توجه به تغییرات اقلیمی و خشکسالی‌های ادامه‌دار دهه‌های اخیر، سطح تراز آب این دریاچه‌صها، نوساناتی داشته است .آگاهی از این نوسانات در بررسی مسائل مرتبط، از جمله ریسک‌پذیری تاسیسات و سازه‌صهای وابسته، تغییرات ذخیره آبی دریاچه‌صها، ساخت و سازهای ساحلی، محیطزیست و در نهایت وضعیت نهایی آن‌صها در چند سال آینده اهمیت دارد .از این‌رو رسیدن به یک تخمین قابل قبول از روند نوسانات در آینده با استفاده از روشهای نوین امری اجتناب‌ناپذیر است، لذا در این پژوهش هدف آن است که با مقایسه وضعیت این سه دریاچه که در همسایگی هم قرار گرفته‌صاند، پیش‌بینی بهتری از وضعیت سطح آب آنها برای آینده بدست آید .در این تحقیق با استفاده از داده‌صهای ماهانه تراز سطح آب دریاچه‌صها، در ابتدا این داده‌صها بصورت مدل‌صهای منفرد ماشین بردار پشتیبان با روش کمترین مربعات و شبکه پرسپترون چند لایه با روش لونبرگ مارکووات)-LMصMLP) &LS -SVM مدل‌صسازی و سپس با الگوریتم کرم شب‌صتاب هیبرید شدندFFA). - MLP&FFA -( SVMاین مدل‌صها به عنوان مدل پایه برای مدل‌صسازی مرحله دوم مورد استفاده قرار گرفتند .در مرحله دوم، ۴ ترکیب بصورت مدل ترکیبی ماشین بردار پشتیبانSVM)-(MM، مدل ترکیبی شبکه عصبی مصنوعیANN)-(MM، مدل ترکیبی رگرسیون خطی چندگانهMLR) -(MMو مدل ترکیبی میانگین‌صگیری سادهSA) -(MMاجرا شد .نتایج حاصل از مقادیر ارزیابی برای مدل‌صهایLS - SVMوFFA - SVMنشان داد که برای هر ۳ دریاچه مورد مطالعه، مقادیر RMSE در مدلFFA - SVMنسبت به مقدار مذکور در مدلLS - SVMدارای مقدار کمتری است .در دریاچه خزر این مقدار از حالت منفرد به هیبرید از ۰۰۶۲ به عدد ۰۰۵۱ متر، در دریاچه ارومیه از ۰۱۹۶ به ۰۱۵۷ متر و در دریاچه وان از ۰۰۶۴ به ۰۰۵۱ متر کاهش یافته است .نتایج ارزیابی مدل‌صهایLM - MLPوFFA - MLPنشان داد که در این روش نیز هیبرید کرم شب‌صتاب با مدل منفرد MLP همانند مدل قبلی، نتایج را در هر ۳ دریاچه بهبود بخشیده است .مقدار RMSEدر دریاچه خزر از ۰۰۶ به ۰۰۴۸ متر، در دریاچه ارومیه این عدد از ۰۱۸۸ به ۰۱۵ متر و در دریاچه وان از ۰۰۶۱ به ۰۰۴۹ متر کاهش پیدا کرده، به عبارتی دقت نتایج مدل-سازی افزایش یافته‌صاست .و در نهایت در مدل‌صهای ترکیبی، نتیجه چنین حاصل شد که، مدلSVM - MMنسبت به سایر ترکیب‌صها، مدل بهینه می‌صباشد .چرا که برای هر ۳دریاچه خزر، ارومیه و وان، مقدار RMSE بدست‌صآمده از این مدل، عدد کمتری نسبت به سایر ترکیب‌صها دارد .پس خروجی داده‌صهای این مدل به مقدار مشاهداتی داده‌صها، نزدیکتر از سایر ترکیب‌صها خواهد بود .بعبارتی دیگر میزان خطا در پیش‌صبینی سطح تراز آب با استفاده از ترکیبSVM - MMبرای دریاچه خزر و وان ۱۲ میلی‌صمتر، برای دریاچه ارومیه ۳۹ میلی‌صمتر است
Lake Urmia as one of the largest lakes in Iran is The final destination of rivers in the northwest of the country. According to the climate change and the continuing drought in recent decades, the water level of Lake Urmia water has fluctuated a lot. Awareness of these fluctuations in the study of issues, Including the riskiness of related facilities and structures, changes in lake water resources, coastal construction, environment and, finally, the final state of the lake in the next few years is important. Hence, reaching an acceptable estimate of the fluctuations in the future by using modern methods is inevitable. Considering that the Caspian Sea in northern Iran, as well as Lake Van in Turkey is in the vicinity of Lake Urmia, Therefore, in this research, the objective is to compare the status of these three lakes, which are located in relatively similar climatic conditions to Getting better forecasts of their water status for the future. In this study by using monthly data on lake level, Initially, these data were modeled as individual models (SVM-LS and MLP-LM), And then hybridized with the Fire Fly algorithm (SVM-FFA & MLP-FFA). After that these models were used as the baseline model for the second stage modeling which are including 4 combinations as MM-SVM, MM-ANN, MM-MLR and MM-SA. The results of evaluation values for SVM-LS and SVM-FFA models showed that for all 3 lakes studied, the RMSE values in the SVM-FFA are much lower than those in the SVM-LS. The value of RMSE for basic model of Caspian Sea to its hybrid model has dropped from 0.062 to 0.051 m, 0.196 to 0.157 m for Urmia Lake and 0.064 to 0.051 m for Van Lake. The results of the evaluation of MLP-LM and MLP-FFA models showed that as the pervious method, using hybrid of Fire fly algorithm improved the results in all three lakes. The amount of RMSE in the Caspian Sea decreased from 0.06 to 0.048 meters, in the Lake of Urmia from 0.18 to 0.15 meters, and in the Van lake was decreased from 0.061 to 0.049 meters. In other words, the accuracy of the results of modeling has increased. Finally, the result is that the MM-SVM model is optimal compared to other components, because of its low rate of RMSE. In addition, the error rate of predicting the water level using the MM-SVM model, for the Caspian Sea and Van Lake is about 12 mm and for the Urmia Lake is 39 mm
Comparative analysis of the prediction of water level changes in Caspian, Urmia and Van Lakes Using Hybrid Intelligent Models
نقش‌آرا، شبنم
Naghsh Ara, Shabnam
اسدی، اسماعیل، استاد راهنما
قربانی، محمدعلی، استاد راهنما
سیاه و سفید
نمایه‌سازی قبلی
