پیش بینی فرآیند بارش- رواناب با بهره گیری از مدل ترکیبی بهینه سازی تجمعی ذرات- ماشین بردار پشتیبان موجکی (مطالعه موردی: دشت سیلاخور)

  • سال انتشار: 1402
  • محل انتشار: فصلنامه دانش آب و خاک، دوره: 33، شماره: 1
  • کد COI اختصاصی: JR_WASO-33-1_004
  • زبان مقاله: فارسی
  • تعداد مشاهده: 296
دانلود فایل این مقاله

نویسندگان

مهدی کماسی

گروه عمران، دانشگاه آیت الله بروجردی، بروجرد، ایران

سروش شرقی

دانشجوی دکتری، مهندسی و مدیریت منابع آب، دانشکده عمران، دانشگاه تهران

چکیده

مدل سازی و پیش بینی فرآیند بارش-رواناب نقش مهمی را در مدیریت منابع آب، برنامه­ریزی­های شهری، عملکرد مخازن سد و... ایفا می­کند. ماشین بردار پشتیبان (SVM) به عنوان یکی از مدل­های نوین هوش مصنوعی، از قابلیت و انعطاف­پذیری بالایی در پیش بینی داده­های هیدرولوژیکی برخوردار است. در این پژوهش ایده­ی  مدل سازی  فرآیند بارش-رواناب توسط مدل ترکیبی الگوریتم بهینه­سازی تجمعی ذرات و ماشین بردار پشتیبان موجکی (PSO-WT-SVM) مطرح گردیده است. در ساختار الگوریتم SVM پارامترهای ثابتی وجود دارد که می­بایست توسط کاربر تعیین گردند بطوریکه انتخاب نامناسب این پارامترها موجب کاهش قابل توجه کارایی مدل می­گردد. جهت حل این مشکل از الگوریتم بهینه­سازی تجمعی ذرات (PSO) برای یافتن مقادیر بهینه­ی پارامترهای مدل SVM استفاده شده و مدل ترکیبی PSO-SVM معرفی می­شود. در گام بعدی، با انجام عمل پیش­پردازش بر روی داده­ها توسط تبدیل موجک (WT) مدل PSO-WT-SVM مطرح می­گردد. نهایتا سری زمانی روزانه بارش-رواناب دشت سیلاخور واقع در استان لرستان توسط مدل ساده SVM و مدل­های ترکیبی PSO-SVM و PSO-WT-SVM  مدل سازی  و پیش بینی شده و دقت  مدل سازی  توسط دو معیار ضریب تبیین و میانگین مربع خطاها (RMSE) مورد سنجش قرار می­گیرد. نتایج حاصل از این  مدل سازی  در مرحله صحت­سنجی نشان می­دهد که مدل ترکیبی PSO-SVM و PSO-WT-SVM با ضریب تبیین به ترتیب ۷۲/۰ و ۸۹/۰ جایگزین بسیار مناسبی نسبت به مدل SVM با ضریب تبیین ۵۷/۰ برای پیش بینی سری زمانی بارش-رواناب دشت سیلاخور می­باشند.

کلیدواژه ها

آنالیز موجک, الگوریتم بهینه سازی ازدحام ذرات (PSO), مدل ماشین بردار پشتیبان (SVM), مدل ترکیبی

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.