پیش بینی جریان ورودی به مخزن سد زاینده رود با استفاده از الگوریتم پیش بینی K- نزدیک ترین همسایگی (KNN)

بهره برداری زمان واقعی از مخارن سدها مستلزم تلفیق مدل های پیش بینی جریان رودخانه و مدل های بهره برداری از مخزن است. در این مقاله با استفاده از روش غیرپارامتریک K- نزدیک ترین همسایگی (KNN) ضمن پیش بینی جریان ورودی به مخرن سد زاینده رود، روش های تخمین K در روش KNN و همچنین افق زمانی مدل پیش بینی تحلیل شده است. نتایج نشان می دهند که با بهره گیری از روش وزن دهی معکوس نمایی فاصله و نیز انتخاب افق زمانی 6 ماهه، می توان به حداقل درصد حجم خطا و ریشه میانگین مربعات خطای به ترتیب برابر 20 و 16 درصد در پیش بینی ماهانه جریان دست یافت. این نتایج ضرورت توجه به انتخاب مناسب افق زمانی پیش بینی را در ساختار مدل های تکمیلی بهره برداری نشان می دهد.

کلیدواژه ها:

روش KNN ، وزن دهی ، افق زمانی ، سد زاینده رود