مقایسه مدل های غیرخطی سری زمانی و برنامه ریزی ژنتیک در پیش بینی جریان روزانه رودخانه ها (مطالعه موردی: رودخانه باراندوزچای ارومیه)
Authors
Abstract:
در این مطالعه برای پیش بینی جریان روزانه رودخانه باراندوزچای ارومیه در دوره آماری 1388-1352، از مدل غیرخطی سری زمانی دوخطی و روش برنامه ریزی ژنتیک استفاده و نتایج بر اساس شاخص های آماری جذر میانگین مربعات خطا و ضریب همبستگی مورد مقایسه قرار گرفت. در مطالعه حاضر مدل دوخطی BL(1,11,1,1) با داشتن کمترین مقدار معیار اکایکه اصلاح شده به عنوان مدل مناسب سری روزانه انتخاب و پس از انجام آزمون نکویی برازش الگوی مذکور برای پیش بینی جریان روزانه رودخانه باراندوزچای به کار برده شد. نتایج نشان داد که این الگو از توانایی لازم برای مدل سازی جریان روزانه برخوردار است. ضریب همبستگی وجذر میانگین مربعات خطا برای مدل BL(1,11,1,1) در مرحله صحت سنجی به ترتیب معادل 902/0 و ( )520/3 محاسبه شد. به منظور مدل سازی جریان روزانه رودخانه با برنامه ریزی ژنتیک از حافظه های دبی یک روز قبل، دو روز قبل تا چهار روز قبل استفاده شد. نتایج نشان داد که تا حافظه سه روز قبل دقت مدل سازی رو به بهبود بوده و بعد از آن کاهش می یابد. ضریب همبستگی و جذر میانگین مربعات خطا در بهترین حالت برنامه ریزی ژنتیک در مرحله صحت سنجی به ترتیب 928/0 و ( )863/2 می باشد. به طور کلی با مقایسه نتایج حاصل از دو الگوی مذکور می توان نتیجه گرفت که برنامه ریزی ژنتیک با 9/22 درصد خطای کمتر نسبت به مدل دوخطی، جریان روزانه رودخانه باراندوزچای را پیش بینی می کند.
similar resources
مقایسه مدل های خطی و غیرخطی سری زمانی در پیش بینی جریان رودخانه (مطالعه موردی: رودخانه باراندوزچای ارومیه)
پیشبینی دقیق جریان رودخانه با استفاده از مدلهای رایج سریهای زمانی، فیزیکی- مفهومی و رگرسیونی در مدیریت علمی منابع آبهای سطحی اهمیت بهسزایی دارد. در این مطالعه دبی جریان روزانه و ماهانه رودخانه باراندوزچای ارومیه در دوره آماری 88-1352، با استفاده از مدلهای سریزمانی خطی آرما[1] و غیرخطی دوخطی مدلسازی شد. برای بررسی ایستایی سریهای جریان از آزمون adf استفاده گردید. نتایج آین آزمون نشان د...
full textکاربرد شبکه های بیزین و برنامه ریزی ژنتیک در پیش بینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای)
برآورد دقیق آبدهی رودخانه ها یکی از موارد مهم در پیش بینی خشکسالی، سیلاب، طراحی سازه های آبی، بهره برداری از مخازن سدها و کنترل رسوب می باشد.روشهای متعددی همچون مدلهای سریزمانی، شبکههای عصبی مصنوعی، منطق فازی و برنامهریزی ژنتیک برای پیشبینی جریان رودخانه به کار میرود. در مطالعه حاضر به منظور پیشبینی جریان رودخانه باراندوزچای از دو روش برنامهریزی ژنتیک و شبکههای بیزین استفاده شد. داده...
full textمقایسه مدلهای خطی و غیرخطی سریزمانی در پیشبینی جریان رودخانه (مطالعه موردی: رودخانه باراندوزچای ارومیه)
پیشبینی دقیق جریان رودخانه با استفاده از مدلهای رایج سریهای زمانی، فیزیکی- مفهومی و رگرسیونی در مدیریت علمی منابع آبهای سطحی اهمیت بهسزایی دارد. در این مطالعه دبی جریان روزانه و ماهانه رودخانه باراندوزچای ارومیه در دوره آماری 88-1352، با استفاده از مدلهای سریزمانی خطی آرما[1] و غیرخطی دوخطی مدلسازی شد. برای بررسی ایستایی سریهای جریان از آزمون ADF استفاده گردید. نتایج آین آزمون ن...
full textکاربرد شبکههای بیزین و برنامهریزی ژنتیک در پیشبینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای)
برآورد دقیق آبدهی رودخانه ها یکی از موارد مهم در پیش بینی خشکسالی، سیلاب، طراحی سازههای آبی، بهره برداری از مخازن سدها و کنترل رسوب می باشد.روشهای متعددی همچون مدلهای سریزمانی، شبکههای عصبی مصنوعی، منطق فازی و برنامهریزی ژنتیک برای پیشبینی جریان رودخانه به کار میرود. در مطالعه حاضر به منظور پیشبینی جریان رودخانه باراندوزچای از دو روش برنامهریزی ژنتیک و شبکههای بیزین استفاده شد....
full textمقایسه عملکرد روش های ماشین بردار پشتیبان و شبکه های بیزین در پیشبینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای)
پیشبینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین مراحل در استفاده بهینه از منابع آبی محسوب میشود. در مطالعه حاضر به منظور پیشبینی جریان رودخانه باراندوزچای از دو روش ماشین بردار پشتیبان (SVM) و شبکههای بیزین (BNs) استفاده شد. دادههای جریان روزانه این رودخانه در محل ایستگاه آبسنجی دیزج در خلال سالهای 1385 تا 1389 برای ایجاد مدل استفاده شد که 80 درصد دادهها...
full textMy Resources
Journal title
volume 22 issue 1
pages 151- 169
publication date 2015-05-22
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