پیش بینی جریان سالانه رودخانه با استفاده از مدل خودهمبسته تجمعی میانگین متحرک و رگرسیون فازی

Authors

لاله پرویز

مجید خلقی

احمد فاخری فرد

abstract

رشد روزافزون جمعیت و محدودیت منابع آب سطحی در کشور، لزوم پیش بینی دقیق تر مقدار آورد رودخانه را به دلیل اهمیت در برنامه ریزی و مدیریت منابع آب از جمله بهره برداری از مخازن و طراحی سازه های کنترل سیلاب با استفاده از ابزارها و روش های نوین مدلسازی می طلبد. در این راستا، مدل های سری زمانی از دیرباز مورد توجه هیدرولوژیست ها بوده اند. هدف این تحقیق، ارزیابی کارآیی دو رهیافت کلی مدل سری زمانی و رگرسیون فازی در پیش بینی جریان سالانه رودخانه می باشد. در مدل خودهمبسته تجمعی میانگین متحرک از رهیافت سری زمانی، کارآیی روش های درست­نمایی شرطی و درستنمایی غیر شرطی در تخمین پارامترهای مدل مورد بررسی قرار گرفت. در مدل رگرسیون فازی، به منظور در نظرگرفتن عدم قطعیت حاکم  بر سیستم­های طبیعی، از تابع عضویت مثلثی متقارن و نامتقارن استفاده شد. به منظور مقایسه کارآیی دو مدل مذکور در پیش بینی جریان سالانه، آمار آبدهی برخی از ایستگاه های حوضه آبریز دریاچه ارومیه بکار گرفته شد. نتایج نشان دادند که در بین روش های تخمین پارامترها، روش درستنمایی غیر شرطی به عنوان روش کارآمد در تخمین پارامترهای مدل arima می باشد. مقایسه جریان های سالانه پیش بینی شده توسط مدل های arima و رگرسیون فازی براساس معیارهایی مانند rmse، دلالت بر عملکرد بهتر رهیافت رگرسیون فازی نسبت به مدل سری زمانی داشت. عملکرد بهتر تابع عضویت مثلثی متقارن نسبت به نوع نامتقارن آن از حیث درنظر گرفتن عدم قطعیت حاکم بر مسئله مدلسازی از دیگر نتایج این تحقیق می باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیجیدگی زیاد یا عدم‌  صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی از جمله سیستم می‌باشد. مزیت اصلی این تکنیک نسبت به  استنتاج فازی روش‌های رایج، این است که این سیستم بر اساس قواعد اگر- آن‌گاه بنا نهاده شده است و قادر به تعیین ارتباط بین متغیرهای ورودی و خروجی با استفاده از قواعد مزبو...

full text

پیش بینی قیمت نفت خام اوپک با استفاده از مدل خودبازگشتی میانگین متحرک انباشته فازی

عوامل زیادی بر قیمت نفت خام تأثیر می­گذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیش­بینی این متغیر از طریق مدل­های چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدل­های تک متغیری روش مناسبی باشد. در این مدل­ها از حافظه تاریخی متغیر برای مدل­سازی و پیش­بینی استفاده می­شود. اما یکی از محدودیت­های مدل­ه...

full text

ارزیابی کارکرد مدل های برنامه ریزی ژنتیک و خودهمبسته میانگین متحرک در پیش بینی آب‌دهی روزانه در آبخیز امامه

کم‌بودمنابعآبو توجه به توسعه­ی پایدار،تأمینآبرا برای همه‌ی نیازهایموجودناممکنکردهاست. از آن­جا که پیش­بینیدقیقجریان رود­هادر مدیریتمنابعآب اهمیتبسزایی دارد، آب‌دهی رود با کاربرد مدل­های برنامه‏ریزی ژنتیک و خودهمبسته‌ی میانگین متحرک در آبخیز امامه، استان تهران مدل­سازی و پیش‌بینی شد. از داده‏های درازمدت باران، دما، آب‌دهی، رطوبت نسبی و تبخیر استفاده شد. نتایج نشان داد که برنامه‏ریزی ژنتیک خطای ک...

full text

پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیجیدگی زیاد یا عدم   صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی از جمله سیستم می باشد. مزیت اصلی این تکنیک نسبت به  استنتاج فازی روش های رایج، این است که این سیستم بر اساس قواعد اگر- آن گاه بنا نهاده شده است و قادر به تعیین ارتباط بین متغیرهای ورودی و خروجی با استفاده از قواعد مزبو...

full text

My Resources

Save resource for easier access later


Journal title:
دانش آب و خاک

Publisher: دانشگاه تبریز

ISSN 2008-5133

volume 19

issue بهار و تابستان 2009

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023