استفاده از مدل های سری زمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی دبی ورودی به سد گرگان
محل انتشار: فصلنامه محیط زیست و مهندسی آب، دوره: 4، شماره: 4
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 367
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEWE-4-4_003
تاریخ نمایه سازی: 25 خرداد 1398
چکیده مقاله:
پیشبینی مقادیر جریان ورودی به سیستم منابع آب بهمنظور آگاهی از شرایط آینده و برنامهریزی برای تخصیص بهینه منابع آب به بخشهای مختلف از قبیل شرب، کشاورزی و صنعتی امری ضروری در مدیریت منابع آب میباشد. هدف از پژوهش حاضر پیشبینی مقادیر دبی ماهانه ورودی به سد گرگان برای آینده بود. بدین منظور از دادههای هیدرومتری ایستگاه قزاقلی با دوره آماری 47 سال و سه مدل سریزمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیشبینی استفاده شد و نتایج مدلهای مختلف مورد مقایسه قرار گرفت. با توجه به نتایج بهدست آمده در مدل سری زمانی بر اساس معیارهای آکاییک و شوارتز، مدل(1,0,1) ARIMA (1,0,0)بهعنوان مدل بهینه انتخاب شد. در مدل شبکه عصبی، شبکه با ورودی 2 و 10 نرون بهعنوان شبکه برتر انتخاب شد و در مدل ماشین بردار پشتیبان شبکه با ورودی 1 بهعنوان شبکه برتر انتخاب شد. در نهایت با توجه به نتایج بهدست آمده و با توجه به معیارهای ارزیابی مدلها، مدل ماشین بردار پشتیبان بهترین عملکرد را نسبت به دو مدل دیگر داشت. مقادیر RMSE و AARE برای مدل ماشین بردار پشتیبان بهترتیب 31/5 و 07/1، برای مدل شبکه عصبی بهترتیب 88/9 و 78/2 و برای مدل سری زمانی بهترتیب 84/8 و 20/1 بهدست آمد. بر اساس نتایج این پژوهش، بهترین مدل برای پیشبینی دبی ماهانه ورودی به سد گرگان مدل ماشین بردار پشتیبان میباشد.
کلیدواژه ها:
نویسندگان
میثم صمدی
دانشجوی دکتری، گروه آبخیزداری و مدیریت مناطق بیابانی، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
ابوالحسن فتح آبادی
استادیار، گروه آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه گنبد کاووس، گنبد کاووس، ایران