بهبود دقت پیشبینی بلندمدت جریان ورودی به سد بوکان بر مبنای الگوریتم های یادگیری ماشین

  • سال انتشار: 1399
  • محل انتشار: نوزدهمین کنفرانس هیدرولیک ایران
  • کد COI اختصاصی: IHC19_163
  • زبان مقاله: فارسی
  • تعداد مشاهده: 429
دانلود فایل این مقاله

نویسندگان

مهدی عباسی

کارشناس پژوهشی موسسه تحقیقات آب وزارت نیرو، تهران

سینا ابوالحسینی

کارشناس پژوهشی موسسه تحقیقات آب وزارت نیرو، تهران

حسین دهبان

کارشناس پژوهشی موسسه تحقیقات آب وزارت نیرو، تهران

سیدامیرمحمد حسن لی

کارشناس پژوهشی موسسه تحقیقات آب وزارت نیرو، تهران

اشکان فرخ نیا

عضو هیئتعلمی موسسه تحقیقات آب وزارت نیرو، تهران

رضا روزبهانی

عضو هیئتعلمی موسسه تحقیقات آب وزارت نیرو، تهران

چکیده

پیشبینی جریان کمک شایانی به مدیران بخش در جهت برنامه ریزی و تصمیم گیری بهینه در خصوص مدیریت بهتر منابع آب میکند. در این تحقیق سعی شده است با استفاده از مدلهای ترکیبی دادهمحور، مدل پیشبینی جریان ماهانه ورودی به سد بوکان تا افق پیشبینی 6 ماه آینده توسعه داده شود. برای این کار، ابتدا از الگوریتم پیش پردازش انتخاب متغیر جنگل تصادفی به منظور انتخاب متغیرهای پیشبینی کننده مناسب استفاده شد. سپس مدلهای داده محور شامل MLR، KNN و SVR متناسب با متغیرهای انتخابی، پیاده سازی شد. نتایج این پژوهش نشان داد که بهترین عملکرد را مدل ترکیبی RF-SVR در پیشبینی جریان ماهانه ورودی به سد بوکان برای افقهای پیشبینی مختلف در مقایسه با دو مدل ترکیبی دیگر RF-MLR) و (RF-KNN دارد. علاوه بر این، نتایج نشان داد که متغیر باران با درصد احتمال مشارکت 28 درصد، بیشترین تأثیرگذاری را بر پیشبینی پذیری جریان ماهانه ورودی به سد بوکان داشته است.

کلیدواژه ها

جریان بلندمدت رودخانه، مدلهای داده محور، جنگل تصادفی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.