پیش بینی خشک سالی با بهره گیری از مدل ترکیبی ماشین بردار پشتیبان موجکی و شاخص SPI (مطالعه موردی: حوضه دریاچه ارومیه-ایران)
عنوان مقاله: پیش بینی خشک سالی با بهره گیری از مدل ترکیبی ماشین بردار پشتیبان موجکی و شاخص SPI (مطالعه موردی: حوضه دریاچه ارومیه-ایران)
شناسه ملی مقاله: JR_ESTJ-22-7_007
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_ESTJ-22-7_007
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
مهدی کماسی - عضو هیئت علمی گروه عمران دانشگاه ایت اله بروجردی (ره)
سروش شرقی - دانشجوی کارشناسی ارشد، مهندسی آب و سازه های هیدرولیکی، دانشگاه آیت اله العظمی بروجردی (ره)، بروجرد.
خلاصه مقاله:
مهدی کماسی - عضو هیئت علمی گروه عمران دانشگاه ایت اله بروجردی (ره)
سروش شرقی - دانشجوی کارشناسی ارشد، مهندسی آب و سازه های هیدرولیکی، دانشگاه آیت اله العظمی بروجردی (ره)، بروجرد.
زمینه و هدف: خشک سالی تهدیدی جدی برای انسان و محیط زیست بوده ازاین رو یافتن شاخصی جهت پیشبینی این پدیده از اهمیت بهسزایی برخوردار است. شاخص بارش استانداردشده (SPI) یک شاخص جامع جهت طبقه بندی شدت خشک سالی به حساب میآید. مدلهای هوش مصنوعی کلاسیک از متداولترین مدلهایی هستند که جهت پیشبینی شاخص SPI مورداستفاده قرارگرفته اند. ازآنجایی که این مدلها بر پایهی ویژگی خودهمبستگی استوار هستند، بنابراین توانایی رصد نمودن سریهای زمانی درازمدت و فصلی را دارا نمیباشند. در این پژوهش برای پیشبینی خشک سالی از مدل ترکیبی ماشین بردار پشتیبان موجکی و شاخص SPI استفاده شده است. روش بررسی: برای این منظور سری زمانی شاخص SPI مربوط به حوضه ارومیه توسط آنالیز موجک به چندین زیر سری با مقیاسهای زمانی مختلف تبدیل شده و این زیر سری های زمانی به عنوان ورودی مدل ماشین بردار پشتیبان برای پیشبینی خشک سالی در نظر گرفته میشوند. یافته ها: نتایج حاصل از صحت سنجی مدلها بیانگر آن است که بیشترین مقدار ضریب تبیین و کمترین مقدار جذر میانگین مربع خطا برای مدل منفرد ماشین بردار پشتیبان به ترتیب ۸۶۵/۰ و ۲۳۷/۰ و برای مدل ترکیبی ماشین بردار پشتیبان موجکی به ترتیب ۹۵۴/۰ و ۰۵۶/۰ میباشد. بحث و نتیجه گیری: بنابراین مدل ترکیبی ماشین بردار پشتیبان موجکی در مقایسه با مدل منفرد ماشین بردار پشتیبان توانایی بهسزایی جهت پیشبینی سری زمانی شاخص SPI و نیز رصد نمودن نقاط بیشینه این سری زمانی به سبب در نظر گرفتن تغییرات فصلی دارا میباشد. از سویی نشان داده شد که این مدل ترکیبی در مقایسه با سایر مدلهای خودهمبسته کلاسیک همچون شبکه عصبی مصنوعی از دقت و کارایی بالاتری برخوردار است.
کلمات کلیدی: مدل ماشین بردار پشتیبان, تبدیل موجک, شاخص SPI, پیش بینی خشک سالی, حوضه ارومیه
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1287321/