بررسی قابلیت پارامتر Cprecip در منظور کردن اثر برف بر پیش بینی دبی روزانه رودخانه به وسیله شبکه عصبی و شبکه عصبی فازی

سیدعباسی, سیدمحمد; گوران اوریمی, مهدی; فریدحسینی, علی; شریفی, محمدباقر

بررسی قابلیت پارامتر Cprecip در منظور کردن اثر برف بر پیش بینی دبی روزانه رودخانه به وسیله شبکه عصبی و شبکه عصبی فازی

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ کارشناسی ارشد برق کنترل، دانشگاه فردوسی مشهد

² کارشناس ارشد عمران سازه هیدرولیک، دانشگاه فردوسی مشهد

³ استادیار گروه مهندسی آب، دانشگاه فردوسی مشهد

⁴ استادیار گروه عمران دانشکده مهندسی، دانشگاه فردوسی مشهد

چکیده

یکی از پارامترهای موثر در پیش بینی دبی خصوصاًدر حوضه‌های برفگیر، پارامتر برف می‌باشد. آب معادل برف متداول‌ترین پارامتری است که در مدل‌سازی جریان رودخانه‌ها، به منظور وارد کردن تأثیر برف در مدل استفاده می‌شود. در این مقاله سعی شده است با توجه به عدم دسترسی به پارامتر آب معادل برف در درصد قابل توجهی از حوضه‌ها، پارامترهای باران تجمعی و باران تجمعی مازندران جایگزین آب معادل برف شوند. پارامتر باران تجمعی، بارندگی تجمعی از اول نوامبر تا اول آپریل و معرف برف انباشته شده می‌باشد که در بهار ذوب می‌شود. پارامتر باران تجمعی مازندران با انجام تغییراتی بر روی پارامتر باران تجمعی (جهت سازگاری آن با حوضه‌های مازندران) به دست می‌آید. نتایج مدل‌سازی نشان داد که پارامتر باران تجمعی قابلیت جایگزینی پارامتر آب معادل برف را دارد و پارامتر باران تجمعی مازندرانبا توجه به انطباق بیشتر با حوضه‌های این ناحیه، کارایی بیشتری نسبت به پارامتر باران تجمعی دارد.

کلیدواژه‌ها

20.1001.1.25885952.1391.35.1.8.2

عنوان مقاله [English]

The Evaluation of the Cprecip’s Parameter Ability on Appropriation of Snow’s Effect in River Daily Discharge Prediction by Neural Network and Fuzzy Neural Network

نویسندگان [English]

S.M. Seyyed Abbasi ¹
M. Goran Orimi ²
A. Farid Hosseini ³
M.B. Sharifi ⁴

¹ Graduate Student of Electrical Control, Ferdowsi University of Mashhad

² MS in Civil Hydraulic Structures, Ferdowsi University of Mashhad

³ Assistant Professor, Department of Water Engineering, Ferdowsi University of Mashhad

⁴ Assistant Professor, Department of Civil Engineering, Ferdowsi University of Mashhad

چکیده [English]

One of the most effective parameters in discharge prediction especially in snowy basins, is the snow parameter. Snow water equivalent (SWE) is the most common parameter used in modeling river flow to take the effect of the snow on the model into account. In this research, according to unavailability of the SWE parameter in most of the basins, we tried to offer Cprecip and MAZ-Cprecip instead of SWE. Cprecip is cumulative precipitation from November 1^st to April 1^st indicating the snowpack amount melting in the spring. MAZ-Cprecip is received by giving some changes on the Cprecip (to be suitable with Mazandaran basins). The results showed that the Cprecip parameter can be replaced with SWE and that MAZ-Cprecip parameter is more efficient than Cprecip parameter in Mazandaran basins, due to its most conformity with the basins in this region.

کلیدواژه‌ها [English]