کاربرد روش‌های شبکه‌ی بیزین و حداقل مربعات ماشین بردار پشتیبان در پیش بینی تراز سطح آب دریاچه ارومیه

Authors

Abstract:

سابقه و هدف: دریاچه ارومیه به عنوان یک اکوسیستم آبی مهم در شمال غرب ایران واقع شده است. در 14 سال اخیر میانگین تراز سطح آب دریاچه ارومیه به 2/1272 متر تقلیل پیدا کرده و این به این معنی است که اختلاف تراز سطح اکولوژیک دریاچه و تراز سطح کنونی 2 متر است. خشک شدن دریاچه ارومیه باعث بروز مسائل و بحران‌های جدی برای حوضه، استان‌های مجاور و کشور خواهد شد. در این تحقیق از پارامترهای موثر مستقیم و غیر مستقیم در پیش-بینی تراز سطح دریاچه از جمله تبخیر، رواناب ورودی به دریاچه، بارش، دما، باد، میانگین رطوبت هوا و تراز سطح آب دریاچه در ماه قبل به عنوان ورودی‌های مدل استفاده شده است. مقایسه کارایی مدل‌های شبکه‌ی بیزین که یک مدل احتمالاتی تحت شرایط عدم قطعیت و الگوریتم ماشینی حداقل مربعات ماشین بردار پشتیبان، هدف اصلی تحقیق حاضر است. مواد و روش‌ها: در تحقیق حاضر از دو روش حداقل مربعات ماشین بردار پشتیبان و شبکه بیزین در فرایند مدل-سازی استفاده گردید. در این مطالعه عوامل موثر در پیش بینی تراز سطح دریاچه در ماه قبل به عنوان ورودی و تراز سطح آب دریاچه در ماه کنونی به عنوان خروجی مدل‌ها مورد بررسی قرار گرفت. جهت تخمین دما، تبخیر، بارش، باد و میانگین رطوبت هوا بر روی سطح دریاچه از داده‌های پنج ایستگاه سینوپتیک مجاور دریاچه با برآورد ضریب تیسن هر ایستگاه و داده‌های 13 ایستگاه هیدرومتری واقع بر رودخانه‌های منتهی به دریاچه جهت تشکیل پارامترهای ورودی دو مدل محاسبه گردید. یافته‌ها: تحلیل داده‌های ایستگاه‌های هیدرومتری نشان داد که تنها چهار ایستگاه از 13 ایستگاه هیدرومتری از نرمال پیروی می‌کنند. مقایسه و بررسی نتایج دو مدل با بررسی ضرایب R2، RMSE، MBE و ناش ساتکلیف حاکی از برتری عملکرد مدل حداقل مربعات ماشین بردار پشتیبان در مقایسه با شبکه بیزین است. این مقادیر برای مدل برتر به ترتیب برابر با 3/92%، 082/0متر، 012/0-متر و 86/0 بدست آمد. نتیجه‌گیری: در این تحقیق معیارهای ارزیابی نشان داد که مدل حداقل مربعات ماشین بردار پشتیبان نسبت به مدل شبکه بیزین دارای برتری است. نکته حائز اهمیت در مقایسه دو مدل آن است که ماهیت مدل حداقل مربعات ماشین بردار پشتیبان، ماشینی است ولی ماهیت شبکه بیزین یک مدل احتمالاتی تحت شرایط عدم قطعیت است که در آن از توزیع نرمال جهت آموزش متغیرهای شبکه استفاده شده است. از آنجایی که ماهیت وقوع رخدادهای طبیعی تصادفی است، بنابراین استفاده از مدل شبکه بیزین نسبت به مدل حداقل مربعات ماشین بردار پشتیبان می‌تواند توصیه گردد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کاربرد شبکه بیزین و مدل ماشین بردار پشتیبان در پیش بینی تغییرات سطح تراز ایستابی (مطالعه موردی: دشت اردبیل)

آب­های زیرزمینی به عنوان یکی از منابع مهم و عمده تأمین آب شرب و کشاورزی، به ویژه در مناطق خشک و نیمه خشک مطرح بوده است. شبیه سازی سیستم آب­های زیرزمینی به دلیل پیچیدگی این سیستم­ها به آسانی میسر نیست. در این مقاله با استفاده از داده­های سطح تراز ایستابی دشت اردبیل در بازه زمانی(1390-1351)، به ارزیابی عملکرد آزمون گاما برای پردازش و انتخاب ورودی­های مناسب و کارایی مدل­­های حداقل مربعات ماشین برد...

full text

کاربرد شبکه بیزین و مدل ماشین بردار پشتیبان در پیش‌بینی تغییرات سطح تراز ایستابی (مطالعه موردی: دشت اردبیل)

آب­های زیرزمینی به‌عنوان یکی از منابع مهم و عمده تأمین آب شرب و کشاورزی، به‌ویژه در مناطق خشک و نیمه‌خشک مطرح بوده است. شبیه‌سازی سیستم آب­های زیرزمینی به دلیل پیچیدگی این سیستم­ها به‌آسانی میسر نیست. در این مقاله با استفاده از داده­های سطح تراز ایستابی دشت اردبیل در بازه زمانی(1390-1351)، به ارزیابی عملکرد آزمون گاما برای پردازش و انتخاب ورودی­های مناسب و کارایی مدل­­های حداقل مربعات ماشین برد...

full text

پیش بینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (ls-svm)

مدل های داده محور از جمله ابزارهایی هستند که به منظور شبیه سازی در علوم مختلف استفاده می شوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیراً در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدل ها با شبیه سازی فرآیند بارش-رواناب، مقدار رواناب را در حوزه های آبخیز بدون ایستگاه اندازه گیری و با حداقل زمان ممکن و کمترین هزینه برآورد می کنند. هدف ا...

full text

طراحی شبکه پایش سطح آب زیر‏زمینی با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)

این مطالعه روشی برای طراحی شبکه‏های پایش کمّی آب زیر‏زمینی به ‏منظور کاهش نقاط پایش مکانی اضافی ارائه می‏کند؛ چاه‏های اضافی، که اگر نمونه‏گیری نشوند، خطا‏ی تخمین سطح آب زیر‏زمینی آن‌ها قابل چشم‌پوشی است. این روش مبتنی بر روش ماشین بردار پشتیبان بر پایة تئوری یادگیری آماری است. در این مطالعه، با استفاده از اطلاعات کمّی 63 چاه‏ مشاهداتی و پارامتر‏های هواشناسی (بارندگی و تبخیر) دشت رامهرمز، در دورة ...

full text

ارزیابی مدل حداقل مربعات ماشین بردار پشتیبان در برآورد تبخیر و مقایسه با مدلهای تجربی

در این تحقیق با استفاده از پارامترهای هواشناسی در دشت بیرجند در استان خراسان جنوبی در دوره 16 ساله به ارزیابی عملکرد آزمون گاما و مقایسه دقت مدل‌های حداقل مربعات ماشین­بردار و روش‌های تجربی به‌منظور تخمین میزان تبخیر پرداخته شد.  با استفاده از روش آزمون گاما از میان پارامترهای تأثیرگذار بر تبخیر، پارامترهای بهینه ورودی جهت مدل‌سازی تخمین تبخیر از میان 90 ترکیب معین، تعیین گردید. تعداد 7 ترکیب ب...

full text

تحلیل و پیش بینی نوسانات تراز سطح آب دریاچه ارومیه با استفاده از مدل ARIMA

این تحقیق به منظور بررسی نوسانات تراز سطح آب دریاچه ارومیه و ارائه مدلی مناسب جهت پیش بینی نوسانات تراز سطح آب صورت گرفته است. آمار ماهانه تراز آب دریاچه در دوره آماری (1392- 1345) مورد استفاده قرار گرفت و همگنی آنها توسط آزمون توالی بررسی شد. سپس داده‌ها مورد آزمون‌های ایستایی میانگین و واریانس قرار گرفت تا با ایجاد مرتبه در سری، ناایستایی سری از بین برود. رفتار ماهانه سری با استفاده از تفاضل‌...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 25  issue 3

pages  193- 207

publication date 2018-08-23

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

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023