بررسی کارایی مدل هیبریدی Wavelet-M5 در پیش بینی فرآیند بارش-رواناب
نویسندگان
چکیده مقاله:
فرآیند بارش- رواناب از مهمترین و پیچیده ترین پدیده ها در چرخه هیدرولوژی بوده لذا در مدل سازی آن، دیدگاه های متفاوتی برای توسعه و بهبود مدل های پیش بینی کننده ارائه گردیده است. بدیهی است درک صحیحی از رفتار حوضه می تواند نقش موثری در انتخاب مدل و همچنین صرفه‌جویی در زمان مربوط به امر شبیه‌سازی ایفا نماید. مطالعات پیشین نشان داده است که جهت مدل سازی حوضه های آرام که معمولا دارای الگوی منظم بارش هستند، مدل های چندخطی عملکرد قابل قبولی دارند. در این مطالعه ضمن معرفی مدل ترکیبی چندخطی موجک-درخت تصمیم، کارایی آن جهت مدل سازی فرآیند بارش-رواناب حوضه آبریز آجی چای مورد مطالعه قرار گرفت. در ابتدا سری های زمانی بارش و رواناب با استفاده از تبدیل موجک به چندین زیرسری تجزیه گشته تا بر ناایستایی آن غلبه گردد. سپس زیرسری های حاصله به عنوان ورودی به مدل M5 درختی اعمال شد تا پس از طبقه بندی داده ها، رگرسیون مربوط به هر خوشه ارائه شود. در ادامه نتایج با سایر مدل ها (مدل های ANN، M5 و WANN) مقایسه گردید که برای این منظور از دو معیار ریشه میانگین مربعات خطا و ضریب تبیین جهت ارزیابی نتایج استفاده شد. نتایج نشان داد که برای حوضه نسبتا آرام آجی چای عملکرد مدل ترکیبی پیشنهادی موجک-درخت تصمیم نسبت به مدل خام M5 درختی تا 69 درصد بهبود می‌یابد.
منابع مشابه
بررسی کارایی مدل درخت تصمیم در پیش بینی بارش (مطالعه موردی ایستگاه سینوپتیک یزد)
وقوع خشکسالی اثرات نامطلوبی بر بخش‌های کشاورزی و اقتصادی کشور و به طور خاص بر عرصه‌های طبیعی تحمیل می‌کند. امروزه روش‌های مختلفی جهت پیش بینی مؤلفه‌های اصلی خشکسالی از جمله بارش ارائه شده است. در دهه‌های اخیر، استفاده از مدلهای جدید کامپیوتری در این زمینه رواج یافته و در اغلب موارد توانایی خود را به خوبی نشان داده است. درخت تصمیم به عنوان یکی از این نوع مدلها، با بررسی پارامترها از جزء به کل،...
متن کاملبررسی کارایی روش های عصبی- فازی و مدل های آماری در شبیه سازی فرآیند بارش-رواناب
یکی از پیچیده ترین فرآیندهای هیدرولوژیکی فرآیند بارش-رواناب است, که از پارامترسهای مختلف فیزیکی و هیدرولوژیکی تاثیر می پذیرد. در این پژوهش با بهره گیری از روش های آماری armax, شبکه عصبی, عصبی-فازی (anfis با جداسازی خوشه ای و شبکه ای) و دو مدل بدست آمده از ترکیب آنها به منظور مدل سازی فرآیند بارش-رواناب و پیش بینی جریان رودخانه بهره گیری شد. به طوری که درآغاز ساختار بهینه هر یک از مدل ها تعیین ...
متن کاملپیش بینی کیفیت رواناب شهری: بررسی روشها وارائه مدل منتخب
مدلسازی، ابزار مهم و مؤثری برای مدیریت کیفیت رواناب شهری میباشد. مدلهای کیفیت رواناب شهری را میتوان برای اهداف مختلفی از قبیل پیش بینی کیفیت، ارزیابی میزان اثرات گزینه های مختلف کنترل کننده آلودگی واعمال بهترین شیوه های مدیریتی بکار برد. اهداف این تحقیق اولاً مطالعه روشها و مدلهای پیش بینی کیفیت رواناب شهری ثانیاً بررسی قابلیت استفاده از این مدلها در شهرهای ایران و در نهایت ارائه مدل منتخب می باش...
متن کاملبررسی کارایی روش‌های عصبی- فازی و مدلهای آماری در شبیه‌سازی فرآیند بارش-رواناب
یکی از پیچیده‌ترین فرآیندهای هیدرولوژیکی فرآیند بارش-رواناب است, که از پارامترسهای مختلف فیزیکی و هیدرولوژیکی تاثیر می‌پذیرد. در این پژوهش با بهره‌گیری از روش‌های آماری ARMAX, شبکه عصبی, عصبی-فازی (ANFIS با جداسازی خوشه‌ای و شبکه‌ای) و دو مدل بدست آمده از ترکیب آنها به منظور مدلسازی فرآیند بارش-رواناب و پیش‌بینی جریان رودخانه بهره‌گیری شد. به طوری که درآغاز ساختار بهینه هر یک از مدلها تعیین ...
متن کاملمدل سازی بارش رواناب با استفاده از مدل های هوشمند هیبریدی
بارش-رواناب یکی از فرایندهای مهم در مطالعات منابع آب بشمار می‌رود. در این تحقیق فرآیند بارش-رواناب روزانه در حوضه آبریز بالیخ‌لوچای با استفاده از ماشین بردار پشتیبان، شبکه های عصبی مصنوعی، هیبرید موجک-ماشین بردار پشتیبان و هیبرید موجک-شبکه عصبی مورد مطالعه و مقایسه قرار گرفته است. داده های بارش-رواناب روزانه در طول دوره آماری (1379-1387) برای آموزش و صحت‌سنجی مدل ها مورد استفاده قرار گرفت. د...
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 15 شماره 2
صفحات 0- 0
تاریخ انتشار 2019-07-23
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
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023