عنوان

تخمین جریان رودخانه زرینه‌رود با استفاده از مدل‌های هیبریدی فراکاوشی

Number

‭۱۴۲۲۳پ‬

.Language of Text, Soundtrack etc

per

Title Proper

تخمین جریان رودخانه زرینه‌رود با استفاده از مدل‌های هیبریدی فراکاوشی

First Statement of Responsibility

/محمد عیسی‌زاده

Name of Publisher, Distributor, etc.

: کشاورزی

Date of Publication, Distribution, etc.

، ‮‭۹۴‬

Text of Note

چاپی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

آب

Date of degree

‮‭۱۳۹۴/۰۶/۲۵‬

Body granting the degree

تبریز

Text of Note

در این پایان‌صنامه قابلیت مدل‌صهای شبکه عصبی پرسپترون چند لایه، رگرسیون بردار پشتیبان، هیبرید موجک عصبی و هیبرید موجک رگرسیون بردار پشتیبان برای تخمین جریان رودخانه بررسی گردید . در این راستا سری‌ص‍ زمانی جریان ماهانه رودخانه در دوره ‮‭۱۳۶۷‬ تا ‮‭۱۳۹۰‬ برای ایستگاه-های صفاخانه، سنته و پل آنیان از حوضه آبریز رودخانه زرینه‌صرود در شمال غربی ایران استفاده شد .جهت تعیین بهترین ساختار ورودی مدل‌صها، ترکیب‌صهای ورودی مختلف از جریان ماهانه تاخیر یافته، سری میانگین ماهانه و شاخص زمان مورد بررسی قرار گرفت .نتایج مدل‌صها با استفاده از ریشه میانگین مربعات خطا ‮‭(RMSE)‬ و ضریب همبستگی ‮‭(CC)‬ مقایسه شدند .مقایسه مدل‌صها نشان می‌صدهد که مدل‌صهای هیبرید موجک عصبی و موجک رگرسیون بردار پشتیبان از مدل‌صهای منفرد بهتر عمل نموده است .همچنین نتایج نشان داد که افزودن شاخص زمان و سری میانگین ماهانه به ورودی مدل‌صها به طور قابل توجهی باعث افزایش عملکرد آنها می‌صگردد .همچنین مدل‌ص‍ موجک _عصبی با مقادیر ‮‭CC‬ و ‮‭RMSE‬ به ترتیب برابر با‮‭۹۹۱/۰‬ ،‮‭(m۳/s)۰۸۴/۱‬ ،‮‭۹۹۴/۰‬ ،‮‭(m۳/s)۲۶۲/۱‬ ، ‮‭۹۸۷/۰‬ و ‮‭(m۳/s)۴۸۷/۶‬در دوره صحت‌صسنجی، بهتر از سایر مدل‌صها برای پیش‌صبینی سری زمانی جریان ماهانه ایستگاه‌صهای صفاخانه، سنته و پل آنیان عمل نموده است

Text of Note

In this study were investigated the capability of Multi Layer Perceptron (MLP), Support Vector Regression(SVR), hybrid waveletneural and hybrid wavelet Support Vector Regression for estimation of river flow. In this regard, were used the monthly river flow time series of Safakhaneh, Santeh and Polanian hydrometric stations from Zarrinehrud river located in north-western Iran for period of 1988 to 2011. To specify the best input structure of models, were studied different input combinations of delayed monthly river flow, monthly average series and time index. The results of models were compared using root mean square errors (RMSE) and the correlation coefficient (CC). A comparison of models indicates that the hybrid waveletneural and hybrid wavelet Support Vector Regression models are better than the single models. Also the results showed that including a time index and monthly average series within the inputs of the models increases their performance significantly. Also the hybrid waveletneural model compared to the other models with CC and RMSE values of 0.991, 1.084 (m3/sec), 0.994, 1.262 (m3/sec), 0.987 and 6.487 (m3/sec) respectively in the testing period, has good performance for monthly flow prediction of Safakhaneh, Santeh and Polanian

عیسی زاده، محمد

قربانی، محمدعلی، استاد راهنما

Public note

سیاه و سفید

نمایه‌سازی قبلی