بررسی کارایی مدل KNN و درخت M۵ در مدل سازی جریان رودخانه: مطالعه موردی ایستگاه سرمو

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 236

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IDJ-12-3_008

تاریخ نمایه سازی: 25 اردیبهشت 1400

Abstract:

پیش بینی دقیق دبی جریان نکته کلیدی در برنامه ریزی و مدیریت بهینه منابع آب به شمار می آید. حوضه­ی گرگانرود، یکی از حوضه های بخش شمالی کشور و واقع در استان گلستان است. تاثیر خشک سالی و ترسالی بر نوسانات پایه و جریان کل رودخانه، نقش عمده ای را در برنامه ریزی بهره برداری از منابع آب حوضه دارد. در این تحقیق از مدل KNN و درخت تصمیم M۵ به عنوان یکی از شیوه های داده کاوی برای برآورد دبی جریان رودخانه گرگانرود واقع در ایستگاه سرمو بهره گرفته­شد. بدین منظور از داده های بارندگی و دبی جریان ایستگاه سرمو واقع در محمدآباد تحت پنج سناریوی مختلف و با اعمال توابع انتقال بر روی داده ها، بهره گرفته­شد. نتایج نشان داد که مدل درخت تصمیم M۵ در اکثر مواقع بر مدل KNN برتری دارد و پیش بینی دقیق تری را حاصل می نماید. همچنین در میان سناریوهای تعریف شده، مدل b و c که به ترتیب شامل تمامی داده ها و داده های بارندگی روزانه، بارندگی روز قبل و بارندگی دو روز قبل می باشند، تحت تابع انتقال میانگین متحرک پنج روزه با داشتن معیار  برابر ۹۹۹/۰ و معیار MAE و RMSE برابر ۰۰۱/۰ دقیق ترین برآورد را نتیجه می دهد.

Authors

آتنا خلیلی نفت چالی

دانشجوی دکتری مهندسی علوم آب، دانشگاه بیرجند

حسین خزیمه نژاد

استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • حسین­زاده،م،م.، عمادالدین،س.، نامجو،ف. ۱۳۹۴. پهنه­بندی و واکاوی فرایندهای هوازدگی در ...
  • ستاری،م،ت.، نهرین،ف. ۱۳۹۲. پیش­بینی مقادیر حداکثر بارش روزانه با استفاده ...
  • شریف­آذری،س.، عراقی­نژاد،ش. ۱۳۹۲. توسعه مدل ناپارامتری شبیه­ساز دادههای ماهانه هیدرولوژیکی. ...
  • طالبی،ع.، اکبری،ز. ۱۳۹۲. بررسی کارایی مدل درختان تصمیم گیری در ...
  • ظهیری،ع.، قربانی،خ. ۱۳۹۲. شبیه­سازی دبی جریان در مقاطع مرکب به ...
  • عزمی،م.، عراقی نژاد،ش. ۱۳۹۱. توسعه روش رگرسیون k- نزدیک­ترین همسایگی ...
  • کریمی ماسوله،ح.، احمدوند،م.، معاضد،ه. ۱۳۸۸. کاربرد شبکه­های عصبی در پیش­بینی ...
  • نقدی بانسوله،ک.، موسوی،ج. ۱۳۹۲. پیش­بینی جریان ورودی به مخزن سد ...
  • Jagtap,S.S., Lall,U., Jones,J.W., Gijsman,A.J., Ritchie.J.T. ۲۰۰۴. Dynamic nearest-neighbor method for ...
  • Lall,U., Sharma,A. ۱۹۹۶. A nearest neighbor bootstrap for resampling hydrologic ...
  • Londhe,S,N., Dixit,P,R. ۲۰۱۱. Forecasting Stream Flow Using Model Trees. International ...
  • Quinlan,J.R. ۱۹۹۲. Learning with continuous classes. Proceedings of the ۵th ...
  • SattariM.T., Pal,M., Apaydin,H., Ozturk,F. ۲۰۱۳. M۵ model tree application in ...
  • Twarakavi,N.K.C., Šimůnek,J and Schaap,M.G. ۲۰۰۹. Development of Pedotransfer Functions for ...
  • نمایش کامل مراجع