ارزیابی عملکرد مدلهای هیبریدی ARIMA در پیشبینی هدایت الکتریکی روزانه (مطالعه موردی: ایستگاه هیدرومتری تلهزنگ)
- سال انتشار: 1399
- محل انتشار: فصلنامه علوم آب و خاک، دوره: 24، شماره: 3
- کد COI اختصاصی: JR_JWSS-24-3_017
- زبان مقاله: فارسی
- تعداد مشاهده: 312
نویسندگان
۱. Department of Water Science Engineering, Faculty of Soil and Water, University of Zabol, Zabol, Iran.
۱. Department of Water Science Engineering, Faculty of Soil and Water, University of Zabol, Zabol, Iran.
۱. Department of Water Science Engineering, Faculty of Soil and Water, University of Zabol, Zabol, Iran.
۱. Department of Water Science Engineering, Faculty of Soil and Water, University of Zabol, Zabol, Iran.
چکیده
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 هیبریدیاطلاعات 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.