ارزیابی عملکرد مدلهای هیبریدی ARIMA در پیشبینی هدایت الکتریکی روزانه (مطالعه موردی: ایستگاه هیدرومتری تلهزنگ)
محل انتشار: فصلنامه علوم آب و خاک، دوره: 24، شماره: 3
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 210
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-24-3_017
تاریخ نمایه سازی: 21 اردیبهشت 1400
چکیده مقاله:
در این پژوهش از مدل سری زمانی اریما و شبکه استنتاج فازی- عصبی و شبکه عصبی مصنوعی پرسپترون چندلایه و مدلهای هیبریدی ARIMA-ANN, ARIMA- ANFIS برای مدلسازی و پیشبینی پارامتر هدایت الکتریکی جریان روزانه ایستگاه آبسنجی تلهزنگ با طول دوره آماری ۴۹ ساله استفاده شده است. برای این منظور از دادههای روزانه سالهای ۱۳۸۴-۱۳۴۷ برای آموزش مدل و از دادههای سالهای ۱۳۹۶-۱۳۸۵ برای آزمون استفاده شد. برای تایید صحت مدلهای اریما برازش یافته از توابع خودهمبستگی و خودهمبستگی جزئی باقیماندهها و آماره پورت مانتئو استفاده شد. در مدلسازی و پیشبینی هدایت الکتریکی برای انتخاب پارامتر ورودی موثر شبکه استنتاج فازی عصبی و شبکه عصبی مصنوعی از الگوریتم PMI بهره گرفته شد که پارامترهای روزانه منیزیم (با دو روز تاخیر) و سدیم (با یک روز تاخیر) و درجه حرارت (با یک روز تاخیر) و دبی جریان (با دو ماه تاخیر) و اسیدیته (با یک روز تاخیر) با داشتن کمترین مقادیر اکایک و بیشترین مقادیر آماره همپل بهعنوان ورودی شبکه استنتاج فازی عصبی و شبکه عصبی مصنوعی برای مدلسازی و پیشبینی هدایت الکتریکی روزانه معرفی شدند. بررسی معیارهای ارزیابی مدلها تایید کننده برتری مدل هیبریدی ARIMA-ANFIS با تابع عضویت ذوزنقهای و تعداد تابع عضویت ۲ نسبت به سایر مدلها با مقادیر ضریب تبین ۸۶/۰و ریشه میانگین مربعات dS/m ۲۹ است همچنین مدل آریما ضعیفترین عملکرد را در مدلسازی و پیشبینی پارامتر کیفی روزانه ایستگاه هیدرومتری تلهزنگ بهخود اختصاص داده است.
کلیدواژه ها:
Water quality ، Neural fuzzy inference network ، Arima ، Neural network ، Hybrid models. ، کیفیت آب ، شبکه استنتاج فازی عصبی ، اریما ، شبکه عصبی ، مدل هیبریدی
نویسندگان
عباس احمدپور
۱. Department of Water Science Engineering, Faculty of Soil and Water, University of Zabol, Zabol, Iran.
سید حسن میرهاشمی
۱. Department of Water Science Engineering, Faculty of Soil and Water, University of Zabol, Zabol, Iran.
پرویز حقیقت جو
۱. Department of Water Science Engineering, Faculty of Soil and Water, University of Zabol, Zabol, Iran.
محمدرضا رئیسی سیستانی
۱. Department of Water Science Engineering, Faculty of Soil and Water, University of Zabol, Zabol, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :