ارزیابی مدل‌های شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در تخمین داده‌های گم شده جریان روزانه (مطالعه موردی: ایستگاه هیدرومتری سنته- استان کردستان)

Authors

دین پژوه, یعقوب 1. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

عیسی زاده, محمد 1. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

محمدی, پروا 1. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

Abstract:

Statistical analysis and forecast discharge data play an important role in management and development of water systems. The most fundamental issues of statistical analysis and forecast discharge in Iran are lack of data in long term period and lack of stream flow data in gauging stations. Considering the issues mentioned in this study, we tried to estimate the daily data flow (runoff) of Santeh gauging station in Kordestan province using the nearby hydrometric and meteorological stations data. This estimation occurred based on the sixteen different input combinations, including data of daily flow of hydrometric stations Safakhaneh and Polanian and daily runoff in Santeh precipitation gauging station. In this research, the daily flow estimation of the Santeh station in each of the months of the year was evaluated for sixteen different combinations and artificial neural network models and multiple linear regressions. The performance of each model was evaluated with the indicators RMSE, CC, NS and t-student statistic. The results showed good performance of both models but the performance of the artificial neural network model was better than the regression model in estimation of the daily runoff in the most months of the year. Mean error of artificial neural network and multiple linear regression models was respectively estimated as 6.31 and 8.07 m3/s in the months of the year. It should be noted that the artificial neural network, for each sixteen combination used, had better result than the regression model.

Upgrade to premium to download articles

Already have an account?login

similar resources

برآورد غلظت رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی و خوشه‌بندی داده‌ها به روش نگاشت خود سازمان‌ده (مطالعه موردی: ایستگاه هیدرومتری سیرا - رودخانه کرج)

full text

تخمین مدول الاستیسیته سنگ بکر با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی

مدول الاستیسیته سنگ بکر یکی از ملزومات اساسی بسیاری از مطالعات ژئومکانیکی و به ویژه پروژه های حفاری سنگ می باشد. برای تعیین مستقیم مدول الاستیسیته نمونه مغزه‌های باکیفیت بالا و هندسه مناسب مورد نیاز بوده و تهیه نمونه‌های مناسب از سنگ‌های شکسته و هوازده برای این منظور به آسانی امکانپذیر نیست. بنابراین مدل‌های پیشبینی مدول الاستیسیته براساس خصوصیات شاخص سنگ بکر ارائه گردیدهاند. در این مطالعه ب...

full text

پیش‌بینی جریان روزانه رودخانه با استفاده از مدل هیبرید موجک و شبکه عصبی؛ مطالعه موردی ایستگاه هیدرومتری ونیار در حوضه آبریز آجی چای

با توجه به اهمیت پیش‌بینی جریان رودخانه در مدیریت منابع‌ آب روش‌های مختلفی برای مدل کردن جریان رودخانه‌ها بکار برده می‌شوند. تا بتوان با بکارگیری این مدل در مدیریت خشکسالی و سیلاب خسارات ناشی از آن‌ها را به حداقل ممکن رساند. در این مطالعه نیز برای پیش‌بینی سری‌ زمانی جریان روزانه ایستگاه ونیار، با توجه به ویژگی‌های غیرخطی مقیاس‌های زمانی چندگانه، مدل هیبرید شبکه عصبی و موجک پیشنهاد شده است. برا...

full text

مقایسه کاربرد شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون مؤلفه‌های اصلی و رگرسیون خطی چندگانه جهت مدل‌سازی شاخص کیفیت هوای شهری

شاخص کیفیت هوا ابزار کلیدی جهت آگاهی از کیفیت هوا، نحوۀ اثر آلودگی هوا بر سلامت و روش‌های محافظتی در برابر آلودگی هوا است. هدف اصلی این تحقیق مدل‌سازی و برآورد شاخص کیفیت هوا از طریق شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون خطی چندگانه و رگرسیون مؤلفه‌های اصلی است. جهت محاسبه شاخص کیفیت هوا از داده‌های هواشناسی و آلودگی هوای ثبت شده در ایستگاه تجریش و قلهک شهر تهران در دوره زمانی 1385 تا 1390 استف...

full text

مقایسه و ارزیابی مدل‌های شبکه عصبی بیزین، برنامه‌ریزی بیان ژن، ماشین بردار پشتیبان و رگرسیون خطی در تخمین بده جریان؛ مطالعه موردی حوضه صوفی چای

پیش‌بینی جریان رودخانه برای برنامه‌ریزی طراحی و مدیریت مطمئن پروژه های منابع آب مهم است. در این پژوهش قابلیت کاربرد شبکه عصبی بیزین، برنامه‌ریزی ژن، ماشین بردار پشتیبان و رگرسیون خطی چندمتغیره برای پیش‌بینی سری زمانی جریان رودخانه صوفی چای بررسی شد. سری زمانی جریان روزانه رودخانه برای دوره 1376 تا 1389 برای ایستگاه هیدرومتری تازه کند رودخانه صوفی چای مورد استفاده واقع شد. جهت بدست آوردن بهترین ...

full text

کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان

مطالعه و مدل‌سازی ویژگی‌های کمی جنگل به‌منظور هدایت اکوسیستم به‌سوی اهداف ایده‌آل و اجرای اقدامات حفاظتی و احیایی از اقدامات مهم به شمار می‌آید. در پژوهش پیش‌رو برآورد مشخصه‌های تعداد در هکتار درختان و تاج‌پوشش جنگل که معرف تراکم در اکوسیستم طبیعی جنگل می‌باشند، با استفاده از مدل رگرسیون خطی چندگانه و مدل شبکه‌ عصبی مصنوعی، به کمک داده‌های توپوگرافی، خاکشناسی، اقلیمی و استفاده از داده‌های سنجش‌...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

علوم آب و خاک

volume 21 issue 4

pages 143- 159

publication date 2018-02

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com