شبیه سازی بارش دراز مدت شهر بابلسر توسط مدل بهینه یافته موجک – ماشین آموزش نیرومند

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 184

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_WSRCJ-10-4_001

تاریخ نمایه سازی: 4 آبان 1400

Abstract:

در این مطالعه، بارندگی دراز مدت شهر بابلسر توسط یک مدل هوش مصنوعی بهینه یافته شبیه سازی شد. برای اینکار، ماشین آموزش نیرومند (ELM) و تبدیل موجک (wavelet transform) با همدیگر ترکیب شدند. لازم به ذکر است که مقادیر بارندگی ها به صورت ماهیانه از سال ۱۹۵۱ تا ۲۰۱۹ بکار گرفته شدند که ۷۰ درصد آنها برای آموزش این مدل هوش مصنوعی و ۳۰ درصد باقیمانده برای آزمون آن استفاده گردید. در ابتدا، توابع فعال سازی مدل ماشین آموزش نیرومند مورد بررسی قرار گرفتند که بهترین آن شامل تابع فعال سازی sigmoid انتخاب شد. همچنین، تاخیرهای داده های سری زمانی با استفاده از تابع خود همبستگی معرفی شدند که با استفاده از این تاخیرها، چهار مدل ماشین آموزش نیرومند تعریف گردید. با اجرای یک تحلیل حساسیت، مدل برتر ELM معرفی شد. مقادیر ضریب همبستگی (R)، شاخص عملکرد (VAF) و شاخص پراکندگی (SI) برای مدل برتر ELM به ترتیب مساوی با ۵۲۴/۰، ۰۶۴/۲۷ و ۸۱۹/۰ محاسبه شدند. علاوه بر این، موجک های مادر مختلف مورد بررسی قرار گرفتند که dmey به عنوان بهترین موجک مادر انتخاب شد. تبدیل موجک دقت مدل سازی را به شکل قابل توجهی افزایش داد. به عنوان مثال، شاخص عملکرد مدل ترکیبی WELM مساوی با ۴۶۱/۸۶ بدست آمد. لازم به ذکر است که مدل ترکیبی نیز برای سه سطح تجزیه مختلف مورد بررسی قرار گرفت که بهترین سطح تجزیه مدل ترکیبی معرفی گردید. لازم به ذکر است که تاخیرهای شماره (t-۱) و (t-۱۲) به عنوان موثرترین تاخیرهای داده های سری زمانی شناسایی شدند.

Authors

حامد کریمی

دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

محمد علی ایزدبخش

گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

بهروز یعقوبی

گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

سعید شعبانلو

گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

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 :
  • باباعلی، ح. و دهقانی، ر. ۱۳۹۱ . مقایسه مدل های ...
  • دهقانی، ن.، وفاخواه، م. و بهره مند، ع. ۱۳۹۲ . ...
  • Chang, T. K., Talei, A., Quek, C. and Pauwels, V. ...
  • Dabral, P. P. anf Murry, M. Z. ۲۰۱۷. Modelling and ...
  • Hardwinarto, S. and Aipassa, M. ۲۰۱۵. Rainfall monthly prediction based ...
  • Huang, G.-B., Zhu, Q.-Y. and Siew, C.-K. ۲۰۰۶. Extreme learning ...
  • Mallat, S. ۱۹۸۹. Multiresolution approximations and wavelet orthonormal bases of ...
  • Mehr, A. D., Nourani, V., Khosrowshahi, V. K. and Ghorbani, ...
  • Nagahamulla, H. R., Ratnayake, U. R. and Ratnaweera, A. ۲۰۱۲. ...
  • Nasseri, M., Asghari, K. and Abedini, M. J. ۲۰۰۸. Optimized ...
  • Nourani, V., Hosseini Baghanam, A., Adamowski, J. and Kisi, O. ...
  • Nourani, V., Kaynejad, M.A. and Malekani, L. ۲۰۰۹. Application of ...
  • Savic, D. A., Walters, G. A. and Davidson, J. W. ...
  • Wong, K. W., Wong, P. M., Gedeon, T. D. and ...
  • نمایش کامل مراجع