کاربرد الگوریتم ماشین بردار پشتیبان و تبدیل موجک برای مدلسازی فرایند بارش- رواناب (مطالعه موردی: آقچای- ایران)
Publish place: Iranian Water Researches Journal، Vol: 11، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 228
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWAI-11-2_006
تاریخ نمایه سازی: 16 آذر 1400
Abstract:
اهمیت مدیریت منابع آب، نیاز به مدل سازی دقیق فرآیند بارش و رواناب را در دهه گذشته مطرح کرده است. در این پژوهش برای مدل سازی فرآیند بارش و رواناب از ترکیب مدل ماشین بردار پشتیبان و تبدیل موجک بهره گرفته شده است. بدین منظور سری های زمانی بارش و رواناب با آنالیز موجک به چندین زیرسری با مقیاس های زمانی مختلف تبدیل شده و این زیرسری های زمانی به عنوان ورودی مدل ماشین بردار پشتیبان برای پیش بینی رواناب روزانه درنظر گرفته شده است. نتایج حاصل از صحت سنجی مدل ها بیانگر آن است که بیشترین مقدار ضریب تبیین (R۲) و کمترین مقدار جذر میانگین مربع خطا (RMSE) برای مدل منفرد ماشین بردار پشتیبان به ترتیب ۶۹/۰ و ۷۹/۰ و برای مدل ترکیبی ماشین بردار پشتیبان موجکی به ترتیب ۹۲/۰ و ۳۵/۰ است. دلیل برتری مدل ترکیبی نسبت به مدل منفرد ناشی از این است که مدل ترکیبی ماشین بردار پشتیبان موجکی، به جای استفاده از سری زمانی داده های بارش و رواناب در یک مقیاس کلی، از چندین زیرسری پردازش شده زمانی با درجات تجزیه مختلف، به عنوان ورودی در مدل استفاده می کند. همچنین نتایج نشان داد که مدل ترکیبی ماشین بردار پشتیبان موجکی در مقایسه با سایر مدل های ترکیبی مانند شبکه عصبی مصنوعی موجکی (WANN) دارای کارایی و دقت بالاتری است.
Keywords:
Authors