يُعدُّ تقييم موارد المياه السطحية من المدخلات الضرورية لحل قضايا إدارة المياه، و التي تتضمن إيجاد علاقة بين الأمطار و الجريانات السطحية، و تعتبر هذه العلاقة على درجة عالية من التعقيد، حيث أن الأمطار من أهم العوامل التي تؤثر بشكل كبير على جريان الأنهار، و عملية التنبؤ بهذه الجريانات يجب أن تأخذ هذا العامل بعين الاعتبار، و بكثير من الاهتمام و الدراسة، و تعتبر الشبكات العصبية الصنعية من أهم الطرائق الحديثة من حيث دقة نتائجها في الربط بين هذه العوامل المتعددة و البالغة التعقيد. و من أجل التنبؤ بالجريان اليومي الوارد إلى بحيرة سد 16 تشرين في اللاذقية، موضوع بحثنا، تم تطبيق نماذج مختلفة من الشبكات العصبية الصنعية (ANN)، كانت مدخلاتها تدفقات سابقة للأمطار و الجريانات.
قسمت مجموعة البيانات للفترة الممتدة بين عامي (2006-2012) إلى مجموعتين: تدريب و اختبار، و قد تم معالجة البيانات قبل إدخالها إلى الشبكة العصبية باستخدام تقنية تحويل المويجات المتقطع، للتخلص من مشاكل القيم العظمى و القيم الصفرية، حيث حللت السلاسل الزمنية إلى ثلاثة مستويات من الدقة و استخدمت السلاسل الفرعية الناتجة كمدخلات للشبكة العصبية أمامية التغذية التي تعتمد على خوارزمية الانتشار العكسي لتدريبها.
أشارت النتائج إلى أن الشبكة العصبية ذات الهيكلية (1-2-6) نموذج Wavelet-ANN، هي الأفضل في تمثيل الظاهرة المدروسة و الأقدر على التنبؤ بالجريان اليومي الوارد إلى بحيرة سد 16 تشرين ليوم واحد قادم، حيث بلغ معامل الارتباط و جذر مربع متوسط الخطأ (R2=0.96، RMSE=1.97m3/sec)، على الترتيب.
The evaluation of surface water resources is a necessary input to solving water
management problems, which includes finding a relationship between precipitation and
runoff, and this relationship is a high degree of complexity. The rain of the most important
factors that greatly effect on rivers discharge, and process to prediction of these flows must
take this factor into account, and much of the attention and study, artificial neural networks
and is considered one of the most modern methods in terms of accuracy results in linking
these multiple factors and highly complex. In order to predict the runoff contained daily to
Lake Dam Tishreen 16 in Latakia, the subject of our research, the application of different
models of artificial neural networks (ANN), was the previous input flows and rain.
Divided the data set for the period between (2006-2012) into two sets: training and
test, has been processing the data before using them as inputs to the neural network using
Discrete Wavelet Transform technique, to get rid of the maximum values and the values of
zero, where t the analysis of time series at three levels of accuracy before they are used
sub- series resulting as inputs to the Feed Forward ANN that depend back-propagation
algorithm for training.
The results indicated that with the structural neural network (1-2-6) Wavelet-ANN
model, are the best in the representation of the characteristics studied and best able to
predict runoff daily contained to Lake Dam Tishreen 16 for a day in advance, where he
reached the correlation coefficient the root of the mean of squared-errors (R2 = 0.96,
RMSE = 1.97m3 / sec), respectively.
المراجع المستخدمة
ADAMOWSKI, J, F. River flow forecasting using wavelet and cross-wavelet transform models. Hydrological Processes, 22, 2008, 4877-4891
BOX, G, E, P; JENKINS, G. M .Time Series Analysis: Forecasting and Control. Holden Day Inc; San Francisco, 1976
JAIN, A; SRINIVASULU, S. Development of Effective and Efficient Rainfall- Runoff Models Using Integration of Deterministic, Real-Coded Genetic Algorithms and Artificial Neural Network Techniques. Water Resources Research, Vol. 40, No. 4, 2004, Article ID: W04302. doi:10.1029/2003WR002355
يهدف البحث إلى تحديد مؤشر جودة المياه لبحيرة سد 16 تشرين, و للوصول لهدف البحث تم إجراء تحاليل فيزيائية –كيميائية - جرثومية دورية لمياه البحيرة. تم أخذ العينات من خمسة مواقع على طول البحيرة لمدة سنة كاملة . تم قياس الباراميترات التالية :(درجة الحرارة
تعتبر الأمطار من الظواهر غير الخطية المعقدة، و التي تتطلب النمذجة الرياضية غير الخطية لغرض
التنبؤ بها. هذه الدراسة تقارن أداء التنبؤ بالأمطار ليوم مقدماً، حيث وضعت اثنين من نماذج الشبكات
العصبونية (ذات التغذية الأمامية) للتنبؤ بأمطار يومية متتالية
شملت الدراسة 132 عينة سمكية تعيش حرة في بحيرة سد 16 تشرين. جمعت تلك الأسماك عشوائياً خلال المدة الممتدة من 22/11/2011 حتى نهاية 22 /10/
2012 م، بمعدل جولة/ الشهر، للكشف عن الإصابة بمجذافيات الأرجل الطفيلية
parasitic copepoda, و تحديد معدل انتشارها، و تأثيرها في الإنتاجية السمكية.
أجريت الدراسة بهدف الكشف عن الخمج بـ Epistylis sp. وتحديد نسبة انتشاره في بحيرة سد 16 تشرين . شملت الدراسة 144 عينة سمكية تعيش حرة في بحيرة السد . جمعت تلك الأسماك عشوائياً خلال الفترة الممتدة من 12/2011 ولغاية 11/2012 م، بمعدل جولة/ الشهر.
أنو
التنبّؤ بالطقس و خاصةً الأمطار، هي واحدة من المهام العملية الأكثر تحدياً و أهمية، و التي تقوم بها خدمات الأرصاد الجوية في جميع أنحاء العالم، علاوة على كونه إجراء معقد يتطلب مجالات متخصصة و متعددة من الخبرات.
في هذه الورقة، أقترح نموذج الشبكات العصبي