ارزیابی استراتژیهای میانگینگیری وزنی رتبهای در ترکیب مدلهای پیشبینی کننده جریان مطالعه موردی: رودخانه کرخه
نویسندگان
چکیده مقاله:
پیشبینی ماهانه جریان رودخانه در برنامهریزیهای بلندمدت منابع آب نقش کلیدی ایفا میکند. در مقاله حاضر برای افزایش دقت پیشبینی جریان ماهانه رودخانه کرخه در محل ورودی به سد کرخه در فصل زمستان از تکنیک ترکیب مدلها استفاده شده است. بدین منظور، پنج مدل شبکه عصبی مصنوعی، شبکه عصبی رگرسیون تعمیم یافته، رگرسیون بردار پشتیبان، K نزدیکترین همسایگی و رگرسیون خطی با ساختار بهینه به عنوان مدلهای منفرد مورد استفاده قرار گرفتند. برای ترکیب مدلهای مذکور از دو استراتژی وزندهی ثابت و متغیر به مدلهای منفرد بر اساس روش میانگینگیری وزنی رتبهبندی شده (OWA) استفاده شده است و در آنها، روش Orlike برای تعیین وزنها بکار رفته است. نتایج نشان میدهد که استراتژی وزندهی متغیر دارای قابلیت بیشتری برای ارتقای نتایج پیشبینی نسبت به وزندهی ثابت است. همچنین، مقایسه نتایج این دو استراتژی با دو استراتژی ترکیب مدلها با شبکه عصبی مصنوعی و انتخاب بهترین مدل منفرد نشان میدهد که استراتژی وزندهی متغیر بهطور قابل توجهی سبب ارتقای دقت نتایج نسبت به هر دو استراتژی مذکور میشود به نحوی که این استراتژی دقت نتایج را نسبت به شبکه عصبی 8/51، 1/38 و 5/44 درصد و نسبت به بهترین مدل منفرد 6/7، 132 و 9/52 درصد به ترتیب در دی، بهمن و اسفندماه بهبود داده است.
منابع مشابه
ارزیابی استراتژی های میانگین گیری وزنی رتبه ای در ترکیب مدل های پیش بینی کننده جریان مطالعه موردی: رودخانه کرخه
پیشبینی ماهانه جریان رودخانه در برنامه ریزی های بلندمدت منابع آب نقش کلیدی ایفا می کند. در مقاله حاضر برای افزایش دقت پیش بینی جریان ماهانه رودخانه کرخه در محل ورودی به سد کرخه در فصل زمستان از تکنیک ترکیب مدل ها استفاده شده است. بدین منظور، پنج مدل شبکه عصبی مصنوعی، شبکه عصبی رگرسیون تعمیم یافته، رگرسیون بردار پشتیبان، k نزدیک ترین همسایگی و رگرسیون خطی با ساختار بهینه به عنوان مدل های منفرد ...
متن کاملارزیابی مدلهای رگرسیون در پیشبینی هزینههای تعمیر و نگهداری تراکتور
مدیریت جایگزینی ماشین (به ویژه تراکتور) یکی از فاکتورهای کلیدی در انجام دادن به موقع عملیات زراعی میباشد. بنابراین باید با دقت هزینههای تعمیر و نگهداری تراکتور پیشبینی شود. این تحقیق برای ارزیابی تکنیک رگرسیونی در پیشبینی هزینههای تعمیر و نگهداری تراکتور اجرا شد. در این مطالعه از دادههای واقعی 60 تراکتور دو چرخ محرک موجود در کشت و صنعت آستان قدس رضوی استفاده شده است. تجزیة رگرسیونی انجام ...
متن کاملارزیابی مدلهای هوش مصنوعی در مدلسازی جریان رودخانه، مطالعه موردی: رودخانه گاماسیاب
با پیشبینی جریان رودخانهها علاوه بر مدیریت بهرهبرداری از منابع آب، میتوان حوادث طبیعی نظیر سیل و خشکسالی را نیز پیشبینی و مهار کرد. استفاده از مدلهای جدید در این زمینه میتواند به مدیریت و برنامهریزی صحیح کمک کند. در این مطالعه، به ارزیابی سه مدل به نامهای، برنامهریزی بیان ژن (GEP)، شبکه بیزین (BN) و ماشین بردار پشتیبان (SVM) پرداخته شده است. دادههای مورد استفاده برای این پژ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 10 شماره 35
صفحات 15- 25
تاریخ انتشار 2017-01
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023