سال انتشار: ۱۳۹۴

محل انتشار: سومین کنفرانس ملی مدیریت و مهندسی سیلاب با رویکرد سیلاب های شهری

تعداد صفحات: ۹

نویسنده(ها):

مجتبی شوریان – استادیار، دانشکده مهندسی آب و محیط زیست، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی
علی آهنی – دانشجوی دکتری، دانشکده مهندسی آب و محیط زیست، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی

چکیده:

در سالهای اخیر، تکنیک های مدلسازی داده مبنا کاربردهای فراوانی در مطالعات هیدرولوژی و مهندسی منابع آب یافته اند. توسعه مدلهای برآورد یا پیش بینی رواناب رودخانه یکی از زمینه های مطالعاتی است که این تکنیک ها کاربرد زیادی در آن دارند . در مطالعه حاضر، سه تکنیک مدلسازی داده مبنا شامل رگرسیون خطی چندگانه MLR ؛ K نزدیکترین همسایه KNN و شبکه عصبی مصنوعی ANN به منظور پیشبینی رواناب رودخانه مورد استفاده قرار گرفته و نتایج حاصل از آنها بررسی شده است. همچنین تأثیر انتخاب چند رویکرد مختلف در انتخاب متغیرهای پیش بینی ارزیابی شده است. نتایج بهدست آمده حاکی از آن است که استفاده از داده های جریان ماههای قبل در مجموعه داده های مورد استفاده جهت پیشبینی میتواند سبب بهبود کیفیت نتایج مدلها شود. همچنین مقایسه عملکرد کلی تکنیکهای مدلسازی مبین برتری نتایج حاصل از بهکارگیری تکنیک KNN نسبت به سایر روشها میباشد.