ارزیابی کارایی مدل های مختلف خطی و غیرخطی در پیش بینی بارندگی ماهانه در تغییرات اقلیم استان همدان

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 232

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWMR-10-20_001

تاریخ نمایه سازی: 4 مهر 1400

چکیده مقاله:

در این پژوهش به منظور پیش بینی مقادیر ماهانه بارش از مدل های ماشین بردار پشتیبان (SVM)، ماشین بردار پشتیبان تلفیق شده با تبدیل موجک (W-SVM)،ARMAX  و ARIMA استفاده گردید.  لذا از سری زمانی ماهانه ایستگاه های باران سنجی واقع در استان همدان طی یک دوره ۲۵ ساله (۱۳۷۰-۱۳۹۴) استفاده شد.  این دوره ۲۵ ساله به ۱۷ سال  برای آموزش، ۴ سال برای واسنجی و ۴ سال برای صحت سنجی مدل تقسیم شد. مقایسه آماری نتایج به کمک شاخص های ضریب همبستگی (r)، جذر میانگین مربعات خطا (RMSE) و خطای استاندارد (SE) صورت گرفت. نتایج نشان داد که به ترتیب مدل های ARIMA، ماشین بردار پشتیبان، ARMAX و ماشین بردار پشتیبان تلفیق شده با تبدیل موجک در رتبه های اول تا چهارم قرار دارند. همچنین مدل ماشین بردار پشتیبان دارای پارامترهای قابل تنظیم کمتری نسبت به مدل های دیگر می باشد. لذا این مدل با سهولت بیشتر و در زمان کمتری قادر به پیش بینی بارش بوده و از این نظر نسبت به سایر روش ها ارجحیت دارد.

نویسندگان

حامد نوذری

water engineering and science Department

فاطمه توکلی

water engineering and science Department

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 :
  • Abebe, A.J., D.P. Solomatine and R.G.W. Venneker. ۲۰۰۰. Application of ...
  • Bari, S.H., M.T. Rahman, M.M. Hussain and S. Ray. ۲۰۱۵. ...
  • Behzad, M., K. Asghari and E.A. Coppola. ۲۰۱۰. Comparative Study ...
  • Cannas, B., A. Fanni and G. Sias. ۲۰۰۵. River flow ...
  • Cannas, B., A. Fanni, L. See and G. Sias. ۲۰۰۶. ...
  • Chowdhury, A. and A. Biswas. ۲۰۱۶. Development of a Monthly ...
  • Coulibaly, F. and N.D. Evora. ۲۰۰۷. Comparison of neural network ...
  • Cristianini, N. and J. Shawe-Taylor. ۲۰۰۰. An Introduction to Support ...
  • Dabral, P.P., T. Saring and D. Jhajharia. ۲۰۱۶. Time Series ...
  • Graham, A. and E.P. Mishra. ۲۰۱۷. Time series analysis model ...
  • Hajibigloo, M., A. Ghazalsoflo and H. Alimirzaee. ۲۰۱۳. Discussion and ...
  • Hamel, L. ۲۰۰۹. Knowledge Discovery with Support Vector Machines, Hoboken, ...
  • Hamidi, O., J. Poorolajal, M. Sadeghifar, H. Abbasi, Z. Maryanaji, ...
  • Isazadeh; M., H. Ahmadzadeh and M.A. Ghorbani. ۲۰۱۶. Assessment of ...
  • Karamouz, M. and S. Araghinejad. ۲۰۰۵. Advanced Hydrology. ۲nd edn., ...
  • Khosravi, M. and H. Shakiba. ۲۰۱۰. Precipitation forecasting using artificial ...
  • Kibunja, H.W., J.M. Kihoro, G.O. Orwa and W.O. Yodah. ۲۰۱۴. ...
  • Kisi, O. ۲۰۰۹. Neural networks and wavelet conjunction model for ...
  • Kisi, O. and M. Cimen. ۲۰۱۲. Precipitation forecasting by using ...
  • Mahmud, I., S.H. Bari and M. Rahman. ۲۰۱۷. Monthly rainfall ...
  • Manzour, D. and M. Yadi Pour. ۲۰۱۶. Studying the Iranian ...
  • Merry, R.J.E. ۲۰۰۵. Wavelet Theory and Applications. A literature study. ...
  • Mozafari, Gh.A., Sh. Shafiee and H.R. Hemati. ۲۰۱۶. Predicting monthly ...
  • Najafi, A., S. Azizi Ghalati and M.H. Mokhtari. ۲۰۱۷. Assessment ...
  • Omidi, R., F. Radmanesh and H. Zarei. ۲۰۱۴. River flow ...
  • Papalaskaris, T., T. Panagiotidis and A. Pantrakis. ۲۰۱۶. Stochastic Monthly ...
  • Rostami, M., A. Facheri Fard, M.A. Ghorbani, S. Darbandi and ...
  • Salahi, B. and R. Maleki Meresht. ۲۰۱۶. Forecasting and Analysis ...
  • Shafaei, M., J. Adamowski, A. Fakheri-Fard, Y. Dinpashoh and K. ...
  • Shenify, M., A.S. Danesh, M. Gocić, R. Surya Taher, A.W. ...
  • Toufani, P., A. Mosaedi and A. Fakheri Fard. ۲۰۱۱. Prediction ...
  • نمایش کامل مراجع