آمار

تعداد نشریات26
تعداد شماره‌ها308
تعداد مقالات2,674
تعداد مشاهده مقاله4,003,934
تعداد دریافت فایل اصل مقاله2,698,585
بیات ورکشی, مریم, طاهری نیا, بهناز, حسینیان زاده, کاظم, فصیحی, روژین. (1402). پیش‌بینی جریان رودخانه با کاربست مدل‌های هوشمند عصبی و LARS-WG (مطالعه موردی: حوضه آبریز کشکان). سامانه مدیریت نشریات علمی, (), -. doi: 10.22098/mmws.2023.12827.1281
مریم بیات ورکشی; بهناز طاهری نیا; کاظم حسینیان زاده; روژین فصیحی. "پیش‌بینی جریان رودخانه با کاربست مدل‌های هوشمند عصبی و LARS-WG (مطالعه موردی: حوضه آبریز کشکان)". سامانه مدیریت نشریات علمی, , , 1402, -. doi: 10.22098/mmws.2023.12827.1281
بیات ورکشی, مریم, طاهری نیا, بهناز, حسینیان زاده, کاظم, فصیحی, روژین. (1402). 'پیش‌بینی جریان رودخانه با کاربست مدل‌های هوشمند عصبی و LARS-WG (مطالعه موردی: حوضه آبریز کشکان)', سامانه مدیریت نشریات علمی, (), pp. -. doi: 10.22098/mmws.2023.12827.1281
بیات ورکشی, مریم, طاهری نیا, بهناز, حسینیان زاده, کاظم, فصیحی, روژین. پیش‌بینی جریان رودخانه با کاربست مدل‌های هوشمند عصبی و LARS-WG (مطالعه موردی: حوضه آبریز کشکان). سامانه مدیریت نشریات علمی, 1402; (): -. doi: 10.22098/mmws.2023.12827.1281

پیش‌بینی جریان رودخانه با کاربست مدل‌های هوشمند عصبی و LARS-WG (مطالعه موردی: حوضه آبریز کشکان)

مدل سازی و مدیریت آب و خاک
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 04 تیر 1402
نوع مقاله: پژوهشی
شناسه دیجیتال (DOI): 10.22098/mmws.2023.12827.1281
نویسندگان
مریم بیات ورکشی* 1؛ بهناز طاهری نیا2؛ کاظم حسینیان زاده3؛ روژین فصیحی4
1استادیار مهندسی منابع آب، گروه علوم و مهندسی خاک، دانشگاه ملایر، ایران
2کارشناسی ارشد منابع آب، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه ملایر، ایران
3کارشناسی ارشد منابع آب، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه ملایر، ایران.
4دانشجوی دکتری گروه علوم و مهندسی آب،دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
چکیده
با توجه به محدودیت منابع آب در کشور، اتخاذ تصمیمات مدیریتی مستلزم اطلاع از وضعیت آینده منابع آبی خواهد بود. در مطالعه حاضر برای بررسی اثر تغییر اقلیم بر مؤلفه‌های هیدرولوژیکی (دمای حداقل، دمای حداکثر، بارش و ساعات آفتابی) از اطلاعات ایستگاه آب‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌سنجی کمالوند از سرشاخه‌‌‌‌‌‌‌‌‌‌‌‌های رودخانه کشکان واقع در شهرستان خرم‌‌‌‌‌‌‌‌آباد و ایستگاه‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های هواشناسی خرم‌آباد استفاده شده است. بدین منظور با لحاظ اطلاعات هواشناسی در مدل ریزمقیاس نمایی LARS-WG، اقدام به پیش‌بینی پارامترهای هواشناسی تحت سه سناریو A1B، A2 و B1 به‌صورت سه دوره 34 ساله (از سال 2011 تا سال 2113) گردید. سپس، با در نظرگرفتن اطلاعات هواشناسی طی سال‌های آینده، مقدار جریان رودخانه تحت سناریو‌‌های مختلف تغییر اقلیم توسط مدل‌های هوشمند عصبی پیش‌بینی گردید. براساس نتایج به‌دست آمده، روند افزایشی در مؤلفه‌های دمای حداقل، دمای حداکثر و تبخیر- تعرق در کلیه سناریوها طی بازه‌های زمانی آینده مشاهده گردید. در سناریو A2، روند تغییرات بارش به‌صورت کاهشی و تابش خورشیدی به‌صورت افزایشی بود. این در حالی است که در دو سناریو دیگر روند افزایش بارش و کاهش تابش خورشیدی مشاهده شد. پیش‌بینی جریان رودخانه با مدل‌های هوشمند عصبی بیان‌گر آن بود که مدل عصبی-فازی کارایی بیش‌تری نسبت به دو مدل عصبی مصنوعی و عصبی-ژنتیک داشت. نتایج حاصل از پیش‌بینی جریان رودخانه با ساختار بهینه مدل عصبی-فازی نشان داد که کم‌ترین مقدار جریان رودخانه طی سال‌های آتی در سناریو A1B و بیش‌ترین آن در سناریو B1 اتفاق خواهد افتاد. بررسی روند تغییرات فصلی جریان رودخانه نیز نشان داد که مقدار جریان رودخانه تا سال 2113 در سه فصل بهار، پاییز و زمستان نسبت به دوره پایه، به‌ترتیب به‌میزان 60/20، 31/17 و 27/9 درصد افزایش خواهد یافت. کم‌ترین مقدار جریان رودخانه نیز در تابستان سال‌های 2113 تا 2080 تحت سناریو A1B پیش‌بینی شد.
کلیدواژه‌ها
"؛ سناریو A1B"؛ عصبی &ndash؛ فازی"؛ عصبی-ژنتیک"؛ ،"؛ شهرستان خرم‌آباد "؛ ، "؛ تبخیر-تعرق "
آمار
تعداد مشاهده مقاله: 117


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب