پیش بینی دبی رودخانه با استفاده از سیگنالهای ماهواره ای و ارائه تکنیکی جهت رفع نواقص مدلهای هوش مصنوعی
- سال انتشار: 1398
- محل انتشار: سومین کنفرانس ملی هیدرولوژی ایران
- کد COI اختصاصی: WRRC03_116
- زبان مقاله: فارسی
- تعداد مشاهده: 564
نویسندگان
دانشجو، کارشناسی ارشد آب و سازه های هیدرولیکی، عمران، دانشکده فنی و مهندسی، دانشگاه رازی کرمانشاه
دکتری ، آب و سازه های هیدرولیکی، عمران، دانشکده فنی و مهندسی، دانشگاه رازی کرمانشاه
دانشجو دکتری ، آب وسازه های هیدرولیکی، عمران، دانشکده فنی و مهندسی، دانشگاه رازی کرمانشاه
استاد ، آب و سازه های هیدرولیکی، عمران، دانشکده فنی مهندسی، دانشگاه رازی کرمانشاه،
چکیده
امروزه استفاده از تصاویر ماهواره ای در پیش بینی دبی جریان در ایستگاه های زمینی از اهمیت قابل توجهی برخوردار است . در مطالعه حاضر، تکنیک جدیدی بر اساس مدلهای هوش مصنوعی جهت پیش بینی سیگنالهای ماهواره ای (S) ارائه شده که با معرفی یک شاخص جدید به اسم PS1 مشکل تقلید از داده های ورودی تا حد بسیار زیادی رفع میشود. بر این اساس، یک مدل پرسپترون چند لایه ( ( MLP 2 در ترکیب با الگوریتم بهینه سازی دو هدفه تکاملی (NSGA-II3) جهت پیش بینی داده های S معرفی شده که مدل پیشنهادی در تحقیق حاضر بصورت IM4 نامگذاری شده است. کاهش همزمان دو شاخص MSE و PS در مدل پیشنهادی IM موضوع مورد بررسی تحقیق حاضر بوده که تا به حال در روش های هوش مصنوعی معمولیOM5 در پیش بینی سری زمانی اغماض شده است. علاوه بر این در تحقیق یک مدلMLP معمولی جهت بررسی و مقایسه ی عملکرد IM ارائه شده است. پیش بینی برای رودخانه وسیعی به نام Connecticut صورت گرفته است. بررسی نتایج نشان میدهد که IM ارائه شده در تحقیق با مقدار MARE6 و RMSE7 برابر 0/81 و 0/434 نسبت به OM با مقدار MARE و RMSE برابر 0/99 و 0/94 در حدود 18/5 درصد خطای کمتری دارد. علاوه بر مقادیر کم شاخص های خطا، مقدار نزدیک به صفر شاخص PS در IM بر خلاف مقادیر نزدیک به 1 شاخص PS در OM بیانگر این مطلب است که مدل IM پیشنهادی توانسته بدون تقلید از داده های گذشتگان مقدار S را بصورت مستقل پیش بینی کرده که از مزایای مدل ارائه شده IM در تحقیق حاضر می باشد. می توان از مدل ارائه شده در تحقیق حاضر در پیش بینی S و در نتیجه دبی جریان برای ایستگاه های زمینی بدون ابزار اندازهگیری در آینده استفاده کرد.کلیدواژه ها
سیگنالهای ماهواره ای، پیش بینی سری زمانی، روشهای هوش مصنوعی، الگوریتمهای چند هدفهمقالات مرتبط جدید
- کاربرد حسگرهای زیستی biosensors در تشخیص آلودگی آب
- مقایسه وبررسی مدل تغییرات منطقه ای بارش سالانه استان خوزستان با روش های کریجینگ مبتنی بر GIS ودرون یابی معکوس وزنی فاصله (IDW)
- بررسی پارامترهای کیفیت تامین آب روستای شهرستان اندیکاخوزستان
- بررسی کیفیت آب زیر زمینی آبخوان روستای شهرستان اندیکابا تاکید بر غلظت نیترات
- پهنه بندی کیفی منابع تامین آب شرب روستاهای شهرستان اندیکا با استفاده ازGIS
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.