توسعه مدلهای رگرسیون نزدیکترین همسایگی در تخمینهای هیدرولوژیکی

روشهای مختلف آماری و جعبه سیاه برای انجام پیشبینیهای هیدرولوژیکی مورد استفاده قرار گرفتهاند. از میان روشهای آماری، روش رگرسیون ناپارامتری نزدیکترین همسایگی K-NN) K- بواسطه پایه ریاضیاتی و سادگی ذاتی موجود در آن، یکی از روشهای توصیه شده برای استفاده در پیشبینیهای هیدرولوژیکی میباشد. در این تحقیق ضمن معرفی کامل روشK-NN به تشریح راهکارهای توسعه و بهبود این روش پرداخته میشود که از آن جمله می توان به معرفی روشهای تخمین بهترین همسایگی، توابع انتقال اطلاعات (پیشپردازش)، توابع فاصلهسنجی و روش پیشنهادی برونیابی اشاره کرد. روش پیشبینیK-NN به همراه راهکارهای توسعه آن بر روی یک مطالعه موردی که مربوط به تخمین آورد حوضه بالادست سد زایندهرود (نه ماهه ابتدای زمستان تا انتهای تابستان سال بعد) توسط دومتغیر پیشبینیکننده حجم آورد حوضه در سه ماهه پاییز و اندیس اقلیمیSOI میانگین شش ماهه تابستان و پاییز) است، اجرا گردیده و نتایج نشان میدهد که با اجرای راهکارهای توسعه، نتایج نسبت به حالت متداول روش K-NNبسیار بهبود یافته است

کلیدواژه ها:

روش نزدیکترین همسایگی ، توابع فاصلهسنجی ، فاصله ماهانالوبیسی ، برونیابی ، رودخانه زایندهرود