مدل بندی جریان رودخانه با سری های زمانی و برنامه ریزی ژنتیک
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده کشاورزی
- نویسنده فرشاد احمدی
- استاد راهنما احمد فاخری فرد یعقوب دین پژوه کیوان خلیلی محمد علی قربانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
در این مطالعه دبی جریان سالانه، ماهانه و روزانه رودخانه باراندوزچای ارومیه (1388-1352) با استفاده از مدل های سری زمانی خطی و غیرخطی دوخطی و روش برنامه ریزی ژنتیک مدل سازی شد. برای نرمال کردن داده ها از توابع تبدیل مختلف استفاده و از آماره ضریب چولگی برای آزمون نرمال بودن داده ها استفاده شد. جهت بررسی ایستایی داده ها از آزمون adf استفاده گردید. با حذف عوامل ناایستایی، سری های جریان رودخانه ایستا شدند. برای بررسی شدت غیرخطی بودن سری های سالانه، ماهانه و روزانه جریان از آزمون bds استفاده شد. نتایج نشان داد، جریان سالانه خطی و سری ماهانه تا حدودی غیرخطی است. سری دبی جریان روزانه از شدت غیرخطی بیشتری برخوردار بود. هرچه مقیاس زمانی کوچک تر می شد، شدت غیرخطی بودن افزایش می یافت. برای سری سالانه مدل ar(1) با داشتن کمترین مقدار معیار آکایکه اصلاح شده و با توجه به آزمون پورت مانتئو به عنوان مدل مناسب انتخاب شد. مقدار آماره ضریب همبستگی و جذر میانگین مربعات خطا در مدل مذکور برای سری سالانه به ترتیب 97/0 و ( )34/0 به دست آمد. مدل-های arma(1,2) و bl(1,2,1,1) با توجه به مقدار آماره آکایکه اصلاح شده و آزمون نکویی برازش پورت مانتئو به عنوان مدل های منتخب جریان در مقیاس ماهانه انتخاب شدند. مقدار آماره-های r و rmse مدل arma(1,2) معادل90/0 و ( )99/2 به دست آمد. مقدار این آماره ها برای مدل غیرخطی دوخطی به ترتیب 91/0 و ( )69/2 بود. مناسب ترین مدل برای جریان روزانه، مدل خطی arma(1,11) و مدل غیرخطی bl(1,11,1,1)بود که مقدار آماره های r و rmse آنها برای مدل خطی به ترتیب برابر 86/0 و ( )30/4 و برای مدل غیرخطی معادل 90/0 و ( )52/3 بدست آمد. در مطالعه حاضر از برنامه ریزی ژنتیک نیز برای مدل سازی جریان سالانه، ماهانه و روزانه رودخانه باراندوزچای استفاده شد. نتایج نشان داد که در مقیاس سالانه و ماهانه دقت روش gp کمتر از روش های مدل بندی سری زمانی (خطی و غیرخطی) بود. با این حال، در مقیاس زمانی سالانه بهترین عملکرد روش gp بازای ورودی های دبی جریان با یک و دو تاخیر حاصل شد. مقادیر آماره های r و rmse برای روش gp در مقیاس سالانه به ترتیب 39/0 و ( )51/2 محاسبه شد. در مقیاس ماهانه بهترین الگوی ورودی gp دبی یک ماه تاخیر، دو ماه تاخیر، سه ماه تاخیر و چهار ماه تاخیر به دست آمد. مقادیر آماره های r و rmse برای روش gp در مقیاس ماهانه به ترتیب 74/0 و ( )15/5 تخمین زده شد. در مقیاس زمانی روزانه عملکرد روش gp رضایت بخش بود، طوری که دقت آن حتی از مدل غیرخطی bl(1,11,1,1) بیشتر بود. برای سری روزانه بهترین عملکرد روش gp با به کار بردن سه تاخیر زمانی به دست آمد و مقادیر آماره های r و rmse این الگو به ترتیب 93/0 و ( ) 86/2 بود.
منابع مشابه
مقایسه مدل های غیرخطی سری زمانی و برنامه ریزی ژنتیک در پیش بینی جریان روزانه رودخانه ها (مطالعه موردی: رودخانه باراندوزچای ارومیه)
در این مطالعه برای پیش بینی جریان روزانه رودخانه باراندوزچای ارومیه در دوره آماری 1388-1352، از مدل غیرخطی سری زمانی دوخطی و روش برنامه ریزی ژنتیک استفاده و نتایج بر اساس شاخص های آماری جذر میانگین مربعات خطا و ضریب همبستگی مورد مقایسه قرار گرفت. در مطالعه حاضر مدل دوخطی BL(1,11,1,1) با داشتن کمترین مقدار معیار اکایکه اصلاح شده به عنوان مدل مناسب سری روزانه انتخاب و پس از انجام آزمون نکویی براز...
متن کاملمقایسه مدل های غیرخطی سری زمانی و برنامه ریزی ژنتیک در پیش بینی جریان روزانه رودخانه ها (مطالعه موردی: رودخانه باراندوزچای ارومیه)
در این مطالعه برای پیش بینی جریان روزانه رودخانه باراندوزچای ارومیه در دوره آماری 1388-1352، از مدل غیرخطی سری زمانی دوخطی و روش برنامه ریزی ژنتیک استفاده و نتایج بر اساس شاخص های آماری جذر میانگین مربعات خطا و ضریب همبستگی مورد مقایسه قرار گرفت. در مطالعه حاضر مدل دوخطی bl(1,11,1,1) با داشتن کمترین مقدار معیار اکایکه اصلاح شده به عنوان مدل مناسب سری روزانه انتخاب و پس از انجام آزمون نکویی براز...
متن کاملپیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)
روشهای متعددی همچون مدل سریهای زمانی، شبکههای عصبی مصنوعی، منطق فازی، نرو فازی و برنامهریزی ژنتیک برای پیشبینی جریان رودخانه به کار میرود. در تحقیق حاضر از روش نوین برنامهریزی ژنتیک جهت پیشبینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری 1376 تا 1380 استفاده شد. همچنین نقش حافظه در کاهش یا افزایش دقت پیش بینی مورد بررسی قرار گرفت. جهت مدلسازی جریان رودخانه ...
متن کاملبررسی عملکرد مدل برنامه ریزی بیان ژن با روش های پیش‌پردازش داده ها جهت مدل سازی جریان رودخانه
سابقه و هدف: نیاز روزافزون به آب سبب گردیده است که برنامه‌ریزی‌های مدیریتی به‌منظور کنترل مصرف آب در آینده از اهمیت بیشتری برخوردار باشد. با پیشبینی جریان رودخانه‌ها علاوه بر مدیریت بهره‌برداری از منابع آب، می‌توان حوادث طبیعی نظیر سیل و خشکسالی را نیز پیشبینی و مهار نمود. به همین دلیل برآورد صحیح و دقیق جریان رودخانه با استفاده از مدل‌های مختلف یکی از موضوعاتی است که در منابع آب مورد بررسی پ...
متن کاملپیش بینی جریان ماهانه رودخانه با استفاده از ترکیب مدل های خطی سری زمانی و شبکه های بیزین (مطالعه موردی: رودخانه بختیاری)
یکی از مسائل مهم در مدیریت منابع آب، تهیه و توسعه مدل‌های مناسب به منظور پیشبینی دقیق‌تر فرآیند جریان رودخانه‌ها می-باشد. بدین منظور در مطالعه حاضر برای پیشبینی جریان ماهانه رودخانه بختیاری، در دوره آماری 1395-1334، از مدل‌های سری-زمانی خطی (ARMA)، مدل هوشمند شبکه بیزین (BN) و مدل تلفیقی BN-ARMA استفاده شد. عملکرد مدل‌های توسعه یافته براساس شاخص‌های آماری جذر میانگین مربعات خطا (RMSE)، ضریب ...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده کشاورزی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023