مدل‏سازی سری‏زمانی آورد ورودی به سدهای جیرفت و نساء با استفاده از یادگیری عمیق مطالعه موردی: (سدهای جیرفت و نساء)

سیاری, نسرین; شاهرخی, آرمین

doi:10.22059/ije.2025.398750.1879

مدل‏سازی سری‏زمانی آورد ورودی به سدهای جیرفت و نساء با استفاده از یادگیری عمیق مطالعه موردی: (سدهای جیرفت و نساء)

مقالات آماده انتشار

نوع مقاله : پژوهشی

نویسندگان

¹ استادیار گروه مهندسی اب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان

² فارغ التحصیل کارشناسی ارشد مدیریت منابع آب بخش علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان

10.22059/ije.2025.398750.1879

چکیده

تحلیل تغییرات زمانی و مکانی بارش، دما و همچنین آبدهی سطحی در مباحث منابع آب و پیش‏بینی‏های بلندمدت برای مدیریت حوضۀ آبریز ضروری است. بنابراین با برآورد متغیرهای ذکر شده، می‏توان راهکارهای مناسب را برای مقابله با پیشامدهای آینده ارائه داد. هدف از این مطالعه، مدل‏سازی سری‏زمانی آورد ورودی به سدهای جیرفت ونساء در شرایط مختلف آب و هوایی بود. به این منظور از دو مدل LSTM و GRU که از روش‏های یادگیری عمیق می‏باشند در محیط برنامه Python استفاده شد. براساس نتایج حاصل از خروجی، مدل LSTM در سد جیرفت با توجه به نتایج همگرایی مدل و خروجی معیارهای ارزیابی دقیق‏تر عمل کرد، در حالی که مدل GRU در هر دور اجرا حدود 45 ثانیه سریعتر عملکرد داشت، اما در سد نساء مدل GRU در حالی که 56 ثانیه دیرتر عملکرد اما نتایج حاصل از معیارهای ارزیابی، حاکی از بهتر بودن این مدل نسبت به مدل LSTM در پیش‏بینی سری‏زمانی بود. در نتیجه می‏توان گفت هرچه بازه داده‏ها بیشتر باشد روش LSTM و هرچه کمتر باشد روش GRU پاسخگویی بهتری دارند. طبق نتایج حاصل می‏توان با برنامه‏ریزی، از ایجاد خسارات ناشی از خروجی سد در پایین‏دست و تخلیه و مهار سیلاب‏های احتمالی در حد امکان جلوگیری کرد.

کلیدواژه‌ها