پیش بینی جریان ماهیانه رودخانه با استفاده از مدلهای داده مبنا
- سال انتشار: 1396
- محل انتشار: فصلنامه تحقیقات منابع آب ایران، دوره: 13، شماره: 2
- کد COI اختصاصی: JR_IWRR-13-2_016
- زبان مقاله: فارسی
- تعداد مشاهده: 114
نویسندگان
دانشجوی دکتری/ دانشکده مهندسی عمران. آب و محیط زیست.دانشگاه شهید بهشتی
استادیار/ دانشکده مهندسی عمران. آب و محیط زیست. دانشگاه شهید بهشتی
چکیده
در سال های اخیر، تکنیک های مدل سازی داده مبنا کاربردهای فراوانی در مطالعات هیدرولوژی و مهندسی منابع آب یافته اند. توسعه مدل های برآورد یا پیش بینی رواناب رودخانه، یکی از زمینه های مطالعاتی است که این تکنیک ها در آن کاربرد زیادی دارند. در مطالعه حاضر، چهار تکنیک مدل سازی داده مبنا، شامل رگرسیون خطی چندگانه، K نزدیک ترین همسایه، شبکه های عصبی مصنوعی و سیستم های استنتاج عصبی - فازی تطبیقی به منظور تشکیل مدل های پیش بینی رواناب مورد استفاده قرار گرفته و نتایج حاصل بررسی شده است. همچنین تاثیر انتخاب چند سناریوی مختلف در انتخاب متغیرهای ورودی ارزیابی شده است. نتایج به دست آمده حاکی از آن است که استفاده از داده های جریان ماه های قبل در مجموعه داده های مورد استفاده جهت پیش بینی می تواند سبب بهبود دقت نتایج مدل ها شود. به علاوه، مقایسه عملکرد کلی تکنیک های مدل-سازی، بیانگر برتری نتایج حاصل از به کارگیری تکنیک KNN نسبت به سایر تکنیک ها می باشد. در میان مدل های برگزیده تکنیک های مختلف نیز، مدل برگزیده KNN برای حالت استفاده از داده های جریان با ضریب همبستگی خطی ۰.۸۴ بین داده های مشاهداتی جریان و پیش بینی های مدل و مقدار شاخص خطای RMSE برابر ۲.۶۴ بهترین عملکرد را به نمایش گذاشت.کلیدواژه ها
جریان رودخانه, پیش بینی ماهیانه, مدلسازی داده مبنااطلاعات 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.