ارزیابی عملکرد روش های ماشین بردار پشتیبان و سیستم استنتاج عصبی فازی تطبیقی در پیش بینی جریان ماهانه رودخانه ها (مطالعه موردی رودخانه های نازلو و سزار)

  • سال انتشار: 1399
  • محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 51، شماره: 3
  • کد COI اختصاصی: JR_IJSWR-51-3_011
  • زبان مقاله: فارسی
  • تعداد مشاهده: 198
دانلود فایل این مقاله

نویسندگان

فرشاد احمدی

استادیار گروه هیدرولوژی و مهندسی منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، اهواز، ایران

چکیده

در سال­های اخیر با رشد فناوری، روش­های نوین برای حل مسائل غیرخطی نظیر پیش­بینی جریان رودخانه­ها به صورت قابل ملاحظه­ای توسعه یافته است. از جمله روش­هایی که اخیرا توسط محققان مختلف در این زمینه مورد استفاده قرار گرفته است مدل­های ماشین بردار پشتیبان (SVM) و سیستم استنتاج عصبی فازی تطبیقی (ANFIS) می­باشد. در این مطالعه از روش­های مذکور برای پیش­بینی جریان ماهانه رودخانه­های نازلوچای و سزار در دوره آماری ۱۳۹۵-۱۳۳۵ استفاده شد. در ابتدا الگوهای ورودی در دو حالت الف) استفاده از داده­های جریان و در نظر گرفتن نقش حافظه و ب) تاثیر دادن ترم پریودیک آماده و به مدل­ها معرفی گردید. مدل سازی براساس ۸۰ درصد داده های تاریخی ثبت شده صورت گرفت (۵۷۶ ماه) و با ۲۰ (۱۴۴ ماه) درصد بقیه ارزیابی گردید. عملکرد مدل­های به کار رفته با شاخص­های آماری مجذور میانگین مربعات خطا (RMSE)، نش- ساتکلیف (NS) و میانگین قدر مطلق خطای نسبی (MARE)، مورد بررسی قرار گرفت. نتایج حاصل نشان داد که روش SVM با تابع کرنل RBF بیش­ترین دقت را در پیش­بینی جریان ماهانه هر دو رودخانه داشته و استفاده از ترم پریودیک توانسته است عملکرد آن را به طور قابل ملاحظه­ای افزایش دهد. همچنین کارایی مدل ANFIS نیز با استفاده از ترم پریودیک بهبود یافته و در محل ایستگاه تپیک در الگوی M۷ و برای جریان رودخانه سزار با الگوی M۶ کمترین خطا را در پیش­بینی جریان داشته است. به طور کلی نتایج این مطالعه نشان داد که روش SVM از عملکرد بهتری نسبت به مدل ANFIS در پیش­بینی جریان برخوردار بوده و انتخاب تابع کرنل مناسب تاثیر مستقیمی بر کارایی آن دارد.

کلیدواژه ها

اثر پریودیک, تابع خود همبستگی جزئی, تابع عضویت, تابع کرنل

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.