چکیده مقاله
استفاده ازمدلهای ترکیبی درشرایط ضعف مدلهای داده محور و مفهومی رویکردی جدید ودرحال پیشرفت ردزمینه مدلسازی هیدرولوژیک می باشد مدلهای مبتنی برروابط تجربی و روشهای داده کاوی دارای مشکلاتی نظیر نداشتن درک فیزیکی نسبت به سیستم ووابستگی کامل به منطقه مورد کاربرد می باشند ازطرفی مدلهای ریاضی باتوجه به فرضیات ساده کننده بکارگرفته شده درساختارآنها وناتوانی درمدلسازی تمامی فرایندهای حاکم درحوزه ازدقت کافی برخوردارنیستند یکی ازراهکارهای پیشرو برای حل این مشکلات ترکیب مدلها می باد دراین مقاله شبکه عصبی مصنوعی و مدل مفهومی HBV برای شبیه سازی رواناب روزانه درزیرحوزه پلاسجان دربالا دست حوزه آبریز زاینده رود به شکل متوالی موردترکیب قرارگرفته اند روش ارایه شده توانسته است درشرایطی که اماره نش ساتکلیف درمرحله صحت سنجی برای مدل شبکه عصبی مصنوعی ومدل مفهومی HBV به ترتیب برابر 0/472و0/325 بودها ست باعث بهبود عملکرد تا مقدارنش ساتکلیف 0/65 گردد نتایج این مطالعه نشان دهنده موثربودن توسعه مدلهای ترکیبی متوالی می باشد
کلیدواژهها
نویسندگان
امین خرمیان
دانشجوی دکتری مهندسی عمران گرایش منابع آب دانشگاه صنعتی خواجه نصیرالدین طوسی
علیرضا برهانی داریان
دانشیارمنابع آب دانشکده مهندسی عمران دانشگاه صنعتی خواجه نصیرالدین طوسی
شیوه ارجاع
�رمیان، امین و برهانی داریان، علیرضا،1394،ترکیب شبکه عصبی مصنوعی و مدل مفهومی Hbv به منظور شبیه سازی رواناب روزانه،دهمین کنگره بین المللی مهندسی عمران،تبریز
ارائهشده در
مجموعه مقالات دهمین کنگره بین المللی مهندسی عمران15 اردیبهشت 1394 · تبریز