کاربرد الگوریتم پیش پردازش کننده تجزیه مد تجربی گروهی در جهت بهبود دقت پیش-بینی جریان روزانه رودخانه با استفاده از روش های هوشمند مصنوعی

  • سال انتشار: 1401
  • محل انتشار: مجله پژوهش آب ایران، دوره: 16، شماره: 2
  • کد COI اختصاصی: JR_JWAI-16-2_001
  • زبان مقاله: فارسی
  • تعداد مشاهده: 170
دانلود فایل این مقاله

نویسندگان

رضا مستوری

محسن نجارچی

دانشگاه آزاد اسلامی اراک

سید علی رضا ترابی

دانشگاه آزاد اسلامی اراک

چکیده

با توجه به اهمیت پیش بینی جریان رودخانه در مدیریت منابع آب روش های مختلفی برای مدل کردن جریان رودخانه ها بکاربرده می شوند تا بتوان با بکارگیری یک مدل مطمئن در مدیریت خشکسالی و سیلاب خسارات ناشی از آنها را به حداقل ممکن رساند. در این مطالعه نیز برای پیش بینی سری زمانی جریان روزانه ایستگاه گچسر برای حوضه آبریز بخش مرکزی ایران ، با توجه به ویژگی های غیرخطی مقیاس های زمانی چندگانه، مدل ترکیبی درخت تصمیم گیری (MT) بر پایه الگوریتم پیش پردازش کننده (EEMD) در دوره آماری ۱۳۶۳ تا ۱۳۹۱پیشنهاد شده است. در ادامه تحقیق، برای تعیین بهترین تعداد تاخیر زمانی از دبی جریان رودخانه، از تکنیک های ACF و PACF استفاده شد که مقدار بهینه سه تاخیر زمانی به عنوان پارامترهای ورودی در نظر گرفته شد. نتایج بدست آمده از روش ترکیبی پیشنهادی با دیگر روش های هوشمند مصنوعی نظیر مدل درخت (MT) و سیستم استنتاج عصبی-فازی (ANFIS) با استفاده از شاخص های آماری خطا مورد بررسی و مقایسه قرار گرفت. نتایج نشان داد که دقت روش EEMD-MT نسبت به روش MT حدود ۵.۷% افزایش یافت و خطای مدل سازی نیز برای این ایستگاه در ترم شاخص خطای RMSE ۶.۸ % در مرحله تست کاهش یافته است. لذا با پیش پردازش کردن داده های هواشناسی و برطرف کردن توزیع رندوم، ناپایداری و روند غیرخطی داده های ورودی به مدل، دقت پیش بینی مدل های پیشنهادی در تخمین دبی روزانه جریان رودخانه افزایش یافته است و برای مطالعات آتی می تواند روشی مناسب و دقیق در نظر گرفته شود

کلیدواژه ها

پیش بینی جریان رودخانه, روش های هوشمند مصنوعی, الگوریتم تجزیه مد تجربی گروهی, ایستگاه های هیدرومتری

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.