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.
Artificial intelligence review:
Research summary
تتناول هذه الدراسة استخدام الشبكات العصبية الاصطناعية وتقنية التحويل المويجي للتنبؤ بالتدفق اليومي الوارد إلى بحيرة سد 16 تشرين في اللاذقية، سوريا. تم تقسيم البيانات للفترة من 2006 إلى 2012 إلى مجموعتين: تدريب واختبار. استخدمت تقنية التحويل المويجي المتقطع لمعالجة البيانات قبل إدخالها إلى الشبكة العصبية، وذلك للتخلص من مشاكل القيم العظمى والصغرى. تم تحليل السلاسل الزمنية إلى ثلاثة مستويات من الدقة واستخدام السلاسل الفرعية الناتجة كمدخلات للشبكة العصبية أمامية التغذية التي تعتمد على خوارزمية الانتشار العكسي لتدريبها. أظهرت النتائج أن النموذج Wavelet-ANN ذو الهيكلية (1-2-6) هو الأفضل في تمثيل الظاهرة المدروسة والتنبؤ بالجريان اليومي الوارد إلى بحيرة سد 16 تشرين ليوم واحد قادم، حيث بلغ معامل الارتباط 0.96 وجذر مربع متوسط الخطأ 1.97 م³/ثانية. تشير الدراسة إلى أن استخدام الشبكات العصبية الاصطناعية مع تقنية التحويل المويجي يمكن أن يحسن من دقة التنبؤ بالتدفقات اليومية، مما يسهم في تحسين إدارة الموارد المائية والتخطيط لمواجهة الفيضانات والجفاف.
Critical review
تعتبر هذه الدراسة خطوة مهمة في مجال استخدام التقنيات الحديثة لتحسين دقة التنبؤ بالتدفقات المائية، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، قد يكون من المفيد توسيع فترة البيانات المستخدمة لتشمل سنوات إضافية، مما قد يعزز من دقة النموذج. ثانياً، يمكن استكشاف تأثير عوامل إضافية مثل التبخر ورطوبة التربة على دقة التنبؤ. ثالثاً، يمكن مقارنة أداء النموذج المقترح مع نماذج أخرى مثل الشبكات العصبية العميقة أو نماذج التعلم الآلي الأخرى لمعرفة مدى تفوق النموذج الحالي. وأخيراً، قد يكون من المفيد تطبيق النموذج على مناطق أخرى ذات خصائص هيدرولوجية مختلفة للتحقق من عمومية النتائج.
Questions related to the research
-
ما هي الفترة الزمنية التي تم استخدام بياناتها في هذه الدراسة؟
تم استخدام بيانات الفترة من عام 2006 إلى عام 2012 في هذه الدراسة.
-
ما هي التقنية المستخدمة لمعالجة البيانات قبل إدخالها إلى الشبكة العصبية؟
تم استخدام تقنية التحويل المويجي المتقطع لمعالجة البيانات قبل إدخالها إلى الشبكة العصبية.
-
ما هو الهيكل الأفضل للنموذج وفقاً للدراسة؟
النموذج Wavelet-ANN ذو الهيكلية (1-2-6) هو الأفضل وفقاً للدراسة.
-
ما هي القيم التي تم تحقيقها لمعامل الارتباط وجذر مربع متوسط الخطأ؟
بلغ معامل الارتباط 0.96 وجذر مربع متوسط الخطأ 1.97 م³/ثانية.
References used
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
The research aims to determine the water Quality Index for the Lake of 16 Tishreen Dam. To achieve
this aim, we have carried out different periodical physic-chemical and bacterial measurements on the lake
water. The samples were taken at five sites
Rainfall is highly non-linear and complicated phenomena, which require nonlinear
mathematical modeling and simulation for accurate prediction. This study
comparing the performance of the prediction of one-day-ahead, where Two
Feed Forward Neural N
The study included 132 Free – living fish in Lake of 16 Tishreen Dam,
collected randomly during the period from 22/11/2011 until 22/10/2012, on
average once a month, for detecting the infection of parasitic copepoda, and
determine the distribution rate, and their effect on the fish productivity.
The study included 144 Free – living fish from the Lake of 16 Tishreen Dam, collected randomly during the period from 12/2011 until 11/2012, on monthly basis to detect the infection with Epistylis sp. and determine its distribution rate.
Fish sam
Weather forecasting (especially rainfall) is one of the most important and challenging
operational tasks carried out by meteorological services all over the world. Itis furthermore
a complicated procedure that requires multiple specialized fields o