بررسی عملکرد مدل های سری زمانی و مدل های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و برنامه ریزی بیان ژن خودهمبسته در شبیه سازی رواناب ماهانه (مطالعه موردی: حوضه خرخره چای)
محل انتشار: فصلنامه علوم و مهندسی آبیاری، دوره: 40، شماره: 4
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 500
فایل این مقاله در 17 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_JISE-40-4_007
تاریخ نمایه سازی: 12 تیر 1398
چکیده مقاله:
افزایش دقت تخمین رواناب در حوضههای فاقد دادههای هواشناسی نقش مهمی در مدیریت صحیح منابع آب این حوضهها دارد. در این راستا شبیهسازی خود همبسته میتواند مفید واقع گردد. در مطالعه حاضر، کارایی سه مدل دادهکاوی شامل شبکه عصبی مصنوعی، برنامهریزی بیان ژن و ماشین بردار پشتیبان در کنار مدلهای سری زمانی برای پیشبینی رواناب ماهانه در حوضه خرخرهچای مورد ارزیابی قرار گرفت. برای این منظور، در ابتدا ترکیبهای مختلف ورودی به مدلها که باید در تخمین جریان رودخانه در نظر گرفته شوند، تعیین شدند. همچنین تاثیر ساختار مختلف مدلها بر شبیهسازی جریان از طریق به کار گیری آنها و مقایسه نتایج بهدست آمده، مورد بررسی قرار گرفت. در این راستا، مدلهای خطی خود همبسته، خود همبسته با میانگین متحرک و خود همبسته میانگین متحرک یکپارچه، شبکه عصبی پرسپترون چند لایه، برنامهریزی بیان ژن با چهار و سیزده تابع ریاضی و مدل ماشین بردار پشتیبان با سه تابع کرنل به منظور شبیهسازی خودهمبسته جریان ماهانه (طی دوره 90- 1367) به کار گرفته شدند. نتایج نشان داد مدل پرسپترون چند لایه (3,5) با مقادیر ضریب همبستگی و جذر میانگین مربعات خطا بهترتیب برابر با 84/0 و 21/8 متر مکعب بر ثانیه در دوره واسنجی و مقادیر 86/0 و 66/5 متر مکعب بر ثانیه در دوره صحتسنجی بیشترین دقت را در شبیهسازی رواناب ماهانه نسبت به سایر مدلها داشتند.
کلیدواژه ها:
نویسندگان
محمد عیسی زاده
دانشجو دکتری مهندسی منابع آب دانشگاه تبریز
حجت احمدزاده
دانشجو دکتری مهندسی منابع آب دانشگاه تبریز
محمد علی قربانی
دانشیار گروه مهندسی منابع آب دانشگاه تبریز
محمد حسن فاضلی فرد
دانشجوی دکتری منابع آب دانشگاه تبریز