ارزیابی مدل‌ تلفیقی تجزیه‌ی مد تجربی یکپارچه کامل- گاوسی در پیش‌بینی زمانی و مکانی دبی رودخانه

نویسندگان

  • معصومه چمنی دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران.
  • کیومرث روشنگر استاد، گروه مهندسی آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران.
چکیده مقاله:

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.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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)...

متن کامل

بهبود 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 ...

متن کامل

ارزیابی 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...

متن کامل

مدل‌سازی 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...

متن کامل

ارزیابی 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...

متن کامل

منابع 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 9  شماره 2

صفحات  277- 289

تاریخ انتشار 2020-01-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023