نوع مقاله : مقاله علمی پژوهشی

نویسندگان

• دکتر علی محمدخورشیددوست ¹
• فریبا اسفندیاری ²
• سید اسعد حسینی ³
• پروانه دولتخواه ⁴

¹ سردبیر نشریه

² دانشیار ژئومورفولوژی - دانشگاه محقق اردبیلی

³ مدرس/ دانشگاه پیام نور

⁴ کارشناس ارشد ژئوموفولوژی/دانشگاه آزاد اهر

چکیده

 





 





یکی از روش­های نوین در زمینه­ پیش­بینی­ فرآیندهای هیدرولوژیکی و ژئومورفولوژیکی  شبکه­های عصبی مصنوعی از مؤلفه­های هوش مصنوعی است که در جهت پیاده­سازی ویژگی­های شگفت انگیز مغز انسان در یک سیستم مصنوعی می­کوشند و ابزاری قدرتمند در زمینه­ی مدل­سازی و پیش­بینی پارامترهای ژئومورفولوژی­­اند که در این پژوهش جهت برآورد میزان رسوب حوضه­ رود ارس استفاده شده است. بدین منظور از آمار دبی، رسوب و بارش ماهانه ایستگاه هیدرومتری بران واقع در حوضه آبریز دره رود از زیر حوضه­های مهم حوضه­ رود ارس در دشت مغان در طول دوره آماری 34 ساله (سال آبی 54-53 تا 87-86) استفاده گردید. بدین صورت که میزان دبی و بارش به عنوان ورودی­های شبکه عصبی مصنوعی و میزان رسوب به عنوان خروجی شبکه در نظر گرفته شدند. به منظور پیاده­سازی مدل از امکانات و توابع موجود در محیط برنامه نویسی نرم افزارهای MATLAB/2010 و SPSS/21 بهره گرفته شد. سپس به ارزیابی عملکرد مدل، از طریق معیارهای آماری از جمله ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، ضریب همبستگی و همچنین میانگین درصد نسبی خطا پرداخته شد. نتایج به دست آمده ضمن تأیید توانایی مدل شبکه عصبی مصنوعی نشان داد که انطباق خوبی بین مقادیر پیش­بینی شده و مشاهداتی وجود دارد به‌طوری که میانگین خطای این مدل با داده­های مشاهداتی برابر 9/0 درصد  و ضریب همبستگی 99/0 است که در سطح 01/0 نیز معنی­دار گشته است. نتایج حاصل از این پژوهش نشان داد که مدل شبکه‌ عصبی مصنوعی از دقت بالایی در برآورد میزان رسوب در حوضه مورد بررسی برخوردار است. نتایج حاصل می­تواند در مدیریت و برنامه­ریزی حوضه­های آبخیز و  مدیریت منابع آبی و طبیعی بویژه در بخش­های کشاورزی، صنعت، شرب و همچنین  پیش­بینی وضعیت رسوب­گذاری در مخزن سدها مفید باشد.
 

کلیدواژه‌ها

• ارس
• برآورد
• شبکه‌های عصبی مصنوعی
• رسوب

موضوعات

• آب و هواشناسی

عنوان مقاله [English]

Estimate of the Aras River Basin Sediment through Artificial Neural Network (Case Study: Dareh Roud Sub basins)

نویسندگان [English]

• Ali Mohammad Khorshiddoust ¹
• Fariba Esfandeyari ²
• Seyed Asaad Hosseini ³
• Parvaneh Dolatkhah ⁴

¹ Chief Editor

چکیده [English]

One of the new techniques in the field of predicting hydrological and geomorphologic processes is artificial neural network from the components of artificial intelligence which are trying to implement the amazing features of human brain in an artificial system and are powerful tools in the field of modeling and predicting geomorphologic parameters and in this study have been used for the prediction of sediment in Aras basin. For this purpose was used information of discharge, sedimentation and prediction monthly on Borran hydrometric station located in the Basin of Darreh Roud that is from the main sub basin of Aras river in Moghan plain during the period of 34 years (water year of 53-54 to 86-87). So that the discharge and precipitation rate as inputs to the neural network and sediment was considered the output of network. For this purpose used the facilities and functions available in programming environment MATLAB / 2010 and SPSS / 21 software. Then models were evaluated through statistical parameters such as the determination coefficient, root mean square error, mean square error, mean absolute error, correlation coefficient and also mean percentage relative error. The results, in addition to confirming the capability of artificial neural network model, showed that, there is good correspondence between predicted values and observed data. So that the error mean of this model with the observed data is 0.9 and correlation coefficient is 0.99 which is significant at 0.01.The results of this study showed that the artificial neural. Network model has more accuracy in the estimation of sediment at the investigated basin. The results can be useful in planning and management of water and watersheds and natural resource management, especially in agriculture, industry, drinking and Forecast of Reservoir Sedimentation