ارزیابی مدل تلفیقی تجزیهی مد تجربی یکپارچه کامل- گاوسی در پیشبینی زمانی و مکانی دبی رودخانه
Authors
Abstract:
پیشبینی صحیح دبی روزانهی رودخانه، ابزاری مناسب جهت برنامهریزی و مدیریت منابع آب سطحی میباشد. از اینرو در این مقاله با بهرهگیری از مدلهای رگرسیون فرآیند گاوسی (GPR)، ماشین یادگیری قدرتمند (ELM) و روش ترکیبی تجزیهی مد تجربی یکپارچهی کامل، دبی بین ایستگاهی رودخانهی آرکانزاس واقع در ایالت متحده آمریکا مورد بررسی قرار گرفت. بدینمنظور ابتدا دبی روزانه و ماهانه با استفاده از روش رگرسیون فرآیند گاوسی و ماشین یادگیری قدرتمند پیشبینی شد. سپس سری زمانی اصلی توسط روش تجزیهی مد تجربی یکپارچهی کامل به زیرسریهای توابع مد ذاتی (IMFs) و باقیمانده (Residual) تجزیه گردید؛ در ادامه این زیرسریهای تجزیهشده، ورودی مدلهای گاوسی و ماشین یادگیری قدرتمند را تشکیل دادند تا مدلهای ترکیبی طراحی گردند. برای ارزیابی کارآیی مدلها از معیارهای همبستگی خطی (DC)، ریشه میانگین مربعات خطا (RMSE)، ضریب همبستگی (R) و میانگین درصد خطای مطلق (MAPE) استفاده شد. نتایج نشان داد که استفاده از روش CEEMD باعث بهبود عملکرد مدلهای مورد استفاده شده است. بهطوریکه مقادیر خطای مطلق (MAPE) مربوط به مدل GPR با پیشپردازش CEEMD در پیشبینی جریان ایستگاههای اول، دوم و سوم نسبت به مدل GPR بدون پیشپردازش به ترتیب 34، 27 و 32 درصد کاهش داشته است. همچنین تأثیر هر یک از زیرسریهای تجزیهی مد تجربی یکپارچه کامل در پیشبینی دبی مورد ارزیابی قرار گرفت. مشاهده گردید که زیرسری باقیمانده ناکارآمدترین زیرسری است. مدل ترکیبی CEEMD- ELM در مدیریت حوضههای آبخیز و کنترل سیل کشور ایران میتواند استفاده شود.
similar resources
پپیشبینی و ارزیابی ارتباط دبی رودخانه در ایستگاههای هیدرومتریک متوالی با استفاده از روشهای ترکیبی GPR-EEMD (مطالعه موردی: رودخانه هوستونیک)
پیشبینی دقیق دبی در رودخانهها، از مهمترین مؤلّفههای فرآیندهای هیدرولوژیکی و هیدرولیکی در مدیریت منابع آب، به ویژه در اتّخاذ تدابیر مناسب در مواقع خشکسالی و بروز سیلاب است. در این تحقیق از تابع موجک و تجزیۀ مد تجربی یکپارچه که از ابزارهای محاسبات نرم محسوب می شوند، جهت استخراج ویژگیهای سری زمانی استفاده گردیده و کارایی مدلهای موجک- گوسین (DWT- GPR) و تجزیۀ مد تجربی یکپارچه- گوسین (EEMD- GPR)...
full textبهبود پیش بینی بارش ماهانه با استفاده از مدل تلفیقی بر پایه روش کرنل- تبدیل موجک و تجزیه ی یکپارچه مد تجربی کامل
بارش یکی از مهمترین اجزای چرخة آب بوده و در سنجش خصوصیات اقلیمی هر منطقه، نقش بسیار مهمی ایفا می کند. تخمین مقادیر بارش ماهانه برای اهداف مختلفی چون برآورد سیلاب، خشکسالی، برنامهریزی آبیاری و مدیریت حوضههای آبریز اهمیت زیادی دارد. در تحقیق حاضر، پیشبینی بارش ماهانه ایستگاه تبریز با استفاده از روش هوشمند رگرسیون فرآیند گاوسی (GPR) بر پایه روش تجزیه یکپارچه مد تجربی ﮐﺎﻣﻞ (CEEMD) و تبدیل موجک ...
full textارزیابی تغییرات زمانی و مکانی شاخصهای تغییرپذیری دبی جریان رودخانه در برخی از حوضههای آبخیز استان اردبیل
چکیده هدف این پژوهش، ارزیابی تغییرات زمانی-مکانی شاخصهای تغییرپذیری دبی جریان رودخانه در حوضههای آبخیز استان اردبیل است. مقادیر شاخصهای تغییرپذیری دبی ماهانه ی رودخانهی شامل شانون، بریلویین، سیمپسون، مکاینتاش، برگر-پارکر، شاخص تغییرپذیری، شاخص ناهمسانی دبی و شاخص تغییرپذیری دبی محاسبه شدند. ضمن ارزیابی تغییرات مکانی، از نمودار سه متغیره برای تعیین ارتباط بین تغییرات دبی سالانه استفاده شد...
full textمدلسازی دبی جریان رودخانه با استفاده از مدلهای چندمتغیره تلفیقی سری زمانی
چکیده بیش از سه دهه است که هیدرولوژیستها، استفاده از مدلهای چند متغیره را جهت توصیف و مدلسازی دادههای پیچیده هیدرولوژی، توصیه میکنند. درحالی که به تازگی اهمیت مدلهای چند متغیره در هیدرولوژی مطرح شده است. در واقع در مدلهای چند متغیره با دخالت دادن عوامل مؤثر هواشناسی، میتوان نتایج توصیف، مدلسازی و پیشبینی پارامترهای مختلف را بهبود بخشید. همچنین از آنجا که مدلهای غی...
full textارزیابی عملکرد مدلهای سری زمانی چند متغیره تلفیقی، MPAR و MPAR-ARCH در مدلسازی دبی جریان رودخانه با درنظر گرفتن عوامل مؤثر هواشناسی (مطالعه موردی: رودخانه نازلوچای)
بیش از سه دهه است که هیدرولوژیستها، استفاده از مدلهای چندمتغیره را جهت توصیف و مدلسازی پدیدههای پیچیده هیدرولوژی، توصیه میکنند. در مدلهای چند متغیره با دخالت دادن عوامل مؤثر، میتوان نتایج توصیف، مدلسازی و پیشبینی متغیرهای مختلف را بهبود بخشید. همچنین از آنجا که مدلهای غیرخطی واریانس ناهمسان شرطی، بخش باقیمانده مدلهای خطی را بهطور رضایتبخشی مدل میکنند، انتظار میرود، با ترکیب مد...
full textMy Resources
Journal title
volume 9 issue 2
pages 277- 289
publication date 2020-01-21
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023