مقایسه کارایی مدل شبکه عصبی مصنوعی، سری زمانی و مدل ترکیبی ANN-ARIMA در مدلسازی و پیش‌بینی شاخص منبع آب زیرزمینی (GRI) (مطالعه موردی: جنوب استان قزوین)

Authors

ذوالفقاری, علی دانشگاه سمنان

رحیمی, محمد دانشگاه سمنان

مقصود, فاطمه دانشگاه تربیت مدرس

ملکیان, آرش دانشگاه تهران

یزدانی, محمدرضا دانشگاه سمنان

Abstract:

خشکسالی آب زیرزمینی یکی از انواع خشکسالی است که در اثر تغذیه ناکافی مخازن سفره‌های آب زیرزمینی بوجود آمده و شاخص منبع آب زیرزمینی (GRI) به عنوان روشی برای بیان وضعیت سطح آب زیرزمینی محسوب می‌شود. تاکنون روش‌ها و مدل‌های مختلفی برای پیش‌بینی و مدل‌سازی این پدیده ارائه شده است اما از آنجا که انتخاب یک مدل مناسب کار مشکلی می‌باشد می‌توان به جای استفاده از یک مدل؛ ترکیبی از مدل‌های منفرد قابل قبول را مورد استفاده قرار داد تا بتوان به پیش‌بینی مناسبت‌تر و قابل اعتماد‌تری دست یافت. در این تحقیق پس از محاسبه مقادیر GRI طی دوره آماری(1363-1390) در جنوب استان قزوین و بررسی ارتباط آن با پارامترهای هواشناسی (بارندگی، دبی، تبخیروتعرق پتانسیل، دما (میانگین، ماکزیمم، مینیمم)) و سیگنال‌های اقلیمی ( MEI، SOI، AMM، AMO و PDO)، با استفاده از آزمون گاما در سه ساختار ترکیب ورودی، اقدام به مدل‌سازی با شبکه عصبی مصنوعی گردید. نتایج نشان داد که سیگنال اقلیمی SOI و پارامترهای دمایی دارای بیشترین همبستگی معنی دار با مقادیر GRI می‌باشند. استفاده از پارامترهای هواشناسی نیز سبب بهبود عملکرد شبکه عصبی گردید. همچنین مدل سری‌زمانیARIMA(1,1,3)(2,0,1) با توجه به معیارهای ارزیابی آکاییک و شوارتز به عنوان مدل منتخب تعیین گردید. در نهایت نیز مدل‌سازی با مدل ترکیبی ANN-ARIMA انجام گرفت که عملکرد بهتری نسبت به دو مدل شبکه عصبی و سری زمانی نشان داد. (R2=0.94, RMSE= 0.05)

Upgrade to premium to download articles

Already have an account?login

similar resources

کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش‌بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)

پیشبینی نوسانات سطح آب زیرزمینی، برای برنامهریزی مناسبتر بهویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیشبینی نوسانات سطح آب زیرزمینی در دشت مروست از مدلهای سری زمانی و شبکه عصبی استفاده شد. برای مدلسازی، اطلاعات سطح آب زیرزمینی در طی سالهای 88-1366 استفاده و مدلهای مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر دادهها برازش داده شد. کارآیی و دقت مدلهای آریما در پیش...

full text

کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)

full text

مقایسه روش‌های سری زمانی و شبکه عصبی مصنوعی در پیش‌بینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه)

تبخیر-تعرق یکیازمؤلفههایمهمدرمصرفمنابعآب در بخش کشاورزیمیباشد. لذا ارائه روشی که پیشبینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، میتواند در اخذتصمیم بهینهبرایبرنامهریزی منابع آب کمککند. دراینتحقیق،روشهای سری زمانی و شبکههای عصبی مصنوعی درپیشبینیتبخیر-تعرق مرجع ماهانهدرایستگاهسینوپتیک ارومیهموردمقایسه قرار گرفتند. بدین منظور در گام نخست بهترین مدل سری زمانی از بین مدلهای A...

full text

مقایسه کارایی روش های شبکه عصبی و سری های زمانی در پیش بینی سطح آب زیرزمینی (مطالعه موردی: زیرحوزه بختگان استان فارس)

full text

پیش‌بینی زمانی و مکانی سطح آب زیرزمینی با استفاده از مدل ترکیبی سری زمانی- زمین

To procure the status of groundwater level fluctuations in arid and semi-arid areas, it is necessary to obtain accurate forecast of fluctuations data. Time series as a linear model have been utilized to generate synthetic data and predict future groundwater level. Minitab17 software and monthly depth of groundwater level data of 20 years (1991-2011) for 25 piezometric wells of plain were used. ...

full text

بررسی عملکرد شبکه عصبی¬مصنوعی و سری¬های زمانی در مدل¬سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه¬های منتخب استان خوزستان)

خشکسالی پدیدهای طبیعی است که میتواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازههای طبیعی وارد آورد. در این تحقیق به منظور پیشبینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکههای عصبیمصنوعی، پرسپترون چند لایه و تابع پایهی شعاعی و مدلهای سریزمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دورههای سه، شش، نه و دوازده ماههی ایستگاههای منتخب استان خوزستان محا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

آبخیزداری ایران

volume 10 issue 33

pages 47- 57

publication date 2016-07

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