مقایسه روشهای شبکه عصبی مصنوعی و سری زمانی (آریما) در پیش بینی جریان ورودی به مخزن کرج

هدف از این مطالعه بررسی مقایسه ای مدل های کلاسیک سری زمانی آریما و هوشمند شبکه عصبی برای پیش بینیجریان آب ماهانه ورودی به مخزن کرج است. به این منظور، داده های جمع آوری شده از ایستگاه های هواشناسی وهیدرومتری موجود در حوزه مربوطه در قالب مدلهای سری زمانی (آریما) و شبکه عصبی مصنوعی مورد تحلیل ومدلسازی قرار گرفت و نتایج آنها با توجه به معیار نش- ساتکلیف با هم مقایسه شد. در این تحقیق انواع مختلفی از مدل های سری زمانی از قبیل AR و ARMA مورد بررسی قرار گرفت و مدل (ARIMA(1, 1, 1)(0, 1, 1)(12)( با معیار نش-ساتکلیف 0.815 و کمترین معیار اطلاعات آکاییکه به عنوان بهترین مدل از این گروه انتخاب شد. همچنین، عملکردانواع مدل های شبکه عصبی مصنوعی بررسی گردید. پس از مقایسه نتایج مشخص شد که مدل آریما به میزان 0.022 ازبهترین مدل شبکه عصبی بهتر عمل کرده است. حال آنکه با لحاظ شاخص های فصلی در مدل شبکه عصبی علاوه بربرتری مدل شبکه عصبی نسبت به آریما، شاهد افزایش کارایی مدل در شاخص نش ساتکلیف به میزان 0.046 هستیم.در مجموع مدل آریما داده های پیک را دست بالا و مدل شبکه عصبی اکثر داده های پیک را دست پایین پیش بینی می کند.

کلیدواژه ها:

پیش بینی ، شبکه عصبی مصنوعی ، سری زمانی ، شاخص فصلی ، آریما ، جریان رودخانه کرج