بررسی روش های داده محور و اثر پیش پردازش موجک بر آن ها در پیش بینی جریان روزانه رودخانه ها
محل انتشار: دوازدهمین کنفرانس هیدرولیک ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,333
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IHC12_004
تاریخ نمایه سازی: 30 شهریور 1394
چکیده مقاله:
پیش بینی جریان رودخانه ها در طول قرن گذشته همواره مورد توجه محققین بوده است. در دهه های اخیر با واگذاری زیرساخت های آبی به بخش خصوص پیش بینی جریان به موضوعی رقابتی تبدیل شده است. در کنار مدل های مفهومی بارش رواناب و پارامتریک - پیش بینی جریان، در سال های اخیر مدل های داده محور بیشتر مورد توجه قرار گرفته اند. در مطالعه حاضر عملکرد مدل های رگرسیونی، شبکه عصبی مصنوعی، سیستم عصبی فازی، برنامه ریزی بیان ژن و مدل خوشه بندی درختی در پیش بینی جریان روزانه رودخانه و - مقادیر حدی ماکزیمم در شرایط اقلیمی متفاوت مورد بررسی قرار گرفته اند. همچنین اثر روش پیش پردازش داده ی تجزیه موجک بر عملکرد هر یک از مدل ها بررسی شده اند. نتایج نشان داد اعمال پیش پردازش روی دادهها، دقت مدل ها را تا حد محسوس افزایش داده است که بیشترین تاثیر در مدل درختی و برنامه ریزی بیان ژن با حدود 4 درصد بوده که این افزایش در دو شرایط اقلیمی پرآبی و خشکسالی که از اهمیت فوق العاده برخوردارند صورت گرفته است. ولی در مدل عصبی فازی کاهش یافته که بیانگر عدم نیاز این مدل به پیش پردازش سری های ورودی است.
کلیدواژه ها:
نویسندگان
پیمان یوسفی
کارشناس ارشد، گروه مهندسی آب دانشکده عمران دانشگاه تبریز
محمد امیررحمانی
کارشناس ارشد، گروه مهندسی آب دانشکده عمران دانشگاه تبریز
یوسف حسن زاده
استاد گروه مهندسی آب دانشکده عمران دانشگاه تبریز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :