واضح آرشیو وب فارسی:ایسنا: یکشنبه ۹ آذر ۱۳۹۳ - ۱۱:۰۱
در قالب یک طرح پژوهشی مدلسازی مکانی- زمانی بارش با مدلهای جعبه سیاه در دانشکده مهندسی عمران دانشگاه تبریز مورد بررسی قرار گرفت. به گزارش خبرنگار خبرگزاری دانشجویان ایران (ایسنا) منطقه آذربایجان شرقی، وحید نورانی، استاد دانشکده مهندسی عمران و مجری این طرح گفت: بشر از دیرباز تاکنون به دنبال دسترسی به منابع آب، کنترل و مدیریت آن بوده و در حال حاضر با توجه به روند سریع افزایش نیازهای آبی به لحاظ شرب، کشاورزی و صنعت از یک طرف و تغییرات اقلیمی و کمبود آب از طرف دیگر، لزوم مدیریت منابع آب با استفاده از روشهای پیشرفته کاملا احساس میشود. وی در ادامه با بیان اینکه برنامه ریزی، توسعه، مدیریت و بهره برداری بهینه از سیستم های منابع آب به اطلاعات متنوعی در زمینههای هواشناسی، هیدرولوژی، اقتصادی، اجتماعی،... نیازمند است، تصریح کرد: یکی از اساسیترین موارد تاثیرگذار در مباحث فوق بارندگی است که می توان آن را مهم ترین عاملی دانست که بطور مستقیم در چرخه هیدرولوژی دخالت دارد. به گفته وی، مقدار بارندگی در سطح کره زمین دارای تغییرات مکانی و زمانی فراوان بوده و این تغییرات قابل ملاحظه بارندگی در زمان و مکان از یک سو و کمی ایستگاههای باران سنج معمولی در ثبت عمق بارندگی از سوی دیگر، ضرورت تبیین مدلهای تخمین بارندگی را امری اجتناب ناپذیر میکند. نورانی یادآور شد: به منظور تخمین زمانی- مکانی بارش ماهیانه، با توجه به پیچیدگی پدیده و در دسترس نبودن اطلاعات فیزیکی کافی و عدم اطلاع دقیق از روابط و معادلات ریاضی حاکم بر مسئله، معمولا لازم است از مدل های جعبه سیاه که مستقل از پارامترهای فیزیکی موثر بر پدیده و معاملات حاکم بین آنها میباشد، استفاده کرد. مجری این طرح تحقیقاتی خاطرنشان کرد: در این تحقیق مدل ترکیبی و جعبه سیاه تحت عنوان ANN-RBF به منظور تخمین زمانی- مکانی مقدار بارش ماهیانه پیشنهاد شده است که این مدل شامل دو گام است که در گام اول با توجه به استوکستیک بودن مقدار بارش ماهیانه و توانایی گسترده شبکه عصبی مصنوعی(Artificial Neural Network) در حل مسائل پیچیده و غیره خطی، با استفاده از شبکه عصبی چند لایه (Multi Layer Perceptron)، سعی در تخمین زمانی مقدار بارش ماهیانه در ایستگاه های باران سنجی با استفاده از مقدار بارش در همان ایستگاه شده است. به گفته وی، در گام دوم این مدل، با استفاده از تخمینگر خطی توابع پایه شعاعی (Radial Basis Function)، سعی در تخمین مکانی مقدار بارش ماهیانه در یک زمان مشخص در یک نقطه دلخواه و با توجه به مقدار بارش در ایستگاه های باران-سنجی به عنوان نقاط گرهی گردیده است و به منظور تخمین مکانی، هر سه تابع رایج پایه شعاعی یعنی توابع Multi Quadric، Inverse Multi Quadric، Gaussian، استفاده شد که در نهایت ترکیب این دو گام، مدل ترکیبی ANN-RBF را نتیجه می دهد. نورانی در خاتمه تصریح کرد: به منظور ارزیابی مدل، از داده های بارش ماهیانه درحد فاصل فروردین1357 تا اسفند 1383 در یازده ایستگاه باران سنجی دشت اردبیل بهره گرفته شد که نتایج حاصله نشان از توانایی گسترده شبکه عصبی مصنوعی در پیش بینی زمانی مقدار بارش ماهیانه دارد و همچنین تابع پایه شعاعی IMQ، درمقایسه با دو تابع دیگر منجر به نتایج مطلوبی درتخمین مکانی مقدار بارش ماهیانه گردید. لازم به توضیح است، این طرح پژوهشی برای دشت اردبیل مورد بررسی قرار گرفته است. انتهای پیام
این صفحه را در گوگل محبوب کنید
[ارسال شده از: ایسنا]
[تعداد بازديد از اين مطلب: 89]