Rainfall-Runoff Modeling Using Hybrid Intelligent Models

Document Type : Original Article

Authors

1 Associate Professor, Department of Water Engineering, University of Tabriz, Tabriz, Iran

2 MS.c graduate student, Department of Water Engineering, University of Tabriz, Tabriz, Iran

Abstract

Rainfall-Runoff is considered one of the most important processes in water resources studies. In this study, to simulate the daily rainfall-runoff process of Balikhluchay Basin, four hybrid models of Support Vector Machine, Artificial Neural Networks, Wavelet-Support Vector Machine, and Wavelet-Neural Networks have been applied and compared. Daily Rainfall-runoff data for the period of 2000 to 2008, have been used for training and testing the models. In general, the results indicated acceptable accuracy of all the models. In terms of priority, the hybrid model of Wavelet-Neural Network with the highest accuracy and lowest errors was in the first rank and the Hybrid models of Wavelet-Support Vector Machines, Artificial Neural Networks and Support Vector Machines, were in next priorities.

Keywords

References

اسکندری ع، نوری ر (1389) توسعه مدلی مناسب بر مبنای شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای پیش بینی به هنگام اکسیژن خواهی بیو شیمیایی 5 روزه. محیط شناسی سال سی و هشتم، شماره 61: 74-76.
اسکندری­نیا ا (1387) تأثیرعامل بارش پیشین در برآورد جریان رودخانه توسط مدل‌سازی هوشمند بارش-رواناب. مجموعه مقالات هشتمین کنگره بین­المللی مهندسی عمران، شیراز، ایران، اردیبهشت 1388.
اعلمی م ت، صادق­فام س، فاضلی­فرد م ح، نقی­پور ل (1393) مدل‌سازی سری داده­ها. انتشارات دانشگاه تبریز. تبریز، 299 صفحه.
طوفانی پ، مساعدی ا، فاخری فرد ا (1390) پیش­بینی بارندگی با استفاده مستقیم از نظریه موجک، مطالعه موردی: ایستگاه باران‌سنجی زرینگل استان گلستان. نشریه آب وخاک (علوم و صنایع کشاورزی)، جلد25، شماره 5: 1226-1217.
نصری م. مدرس ر، دستورانی م ت (1388) کاربرد مدل شبکه عصبی در برآورد رواناب، مطالعه موردی: حوضه آبریز پلاسجان. فصلنامه آمایش محیط، جلد 2، شماره 5 : 23-37.
نوری ر، خاکپور ا، دهقانی م، فرخ­نیا ا (1389) پیش­بینی ماهانه جریان با استفاده از ماشین بردار پشتیبان بر مبنای آنالیز مؤلفه اصلی. نشریه آب و فاضلاب، جلد22، شماره 1 : 118-129.
نوری  م، میرحسینی  س م، زینال­زاده  ک، رهنما م ب (1386) الگوی جدید بارش-رواناب حوضه آبریز هلیل رود با استفاده از مدل هیبرید شبکه عصبی-موجک. نشریه زمین­شناسی مهندسی، جلد 2، شماره 2: 472-451.
Adamowski J (2013) Using support vector regression to predict direct runoff, base flow and total flow in a mountainous watershed whit limited data in Uttaranchal, India. Versita 45: 71-83.
Lippman R (1987) An introduction to computing with neural nets. IEEE ASSP Mag 4, 4-22.
Misra D, Oommen T, Agarwal A, Mishra SK (2009) Application and analysis of Support Vector Machine based simulation for runoff and sediment yield. Biosystems Engineering 103: 527-535.
Nelder J A and Mead R (1964) ASimplex method for function minimization. The Computer Journal 308-313.
Lafadani E (2013) Stream flow simulation using SVM, ANFIS and NAM models (A Case Study). Caspian Journal of Applied Sciences Research 2: 86-93.
 
 

Files

History

  • Receive Date: 15 July 2014
  • Accept Date: 24 November 2014

Share

How to cite

Statistics