پیش بینی مقادیر بارش روزانه با استفاده از روش های جنگل تصادفی و رگرسیون بردار پشتیبان (مطالعه موردی: ایستگاه اردبیل)
Publish place: 10th International Conference on Rainwater catchment systems
Publish Year: 1400
Type: Conference paper
Language: Persian
View: 431
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
RWCS10_088
Index date: 3 March 2022
پیش بینی مقادیر بارش روزانه با استفاده از روش های جنگل تصادفی و رگرسیون بردار پشتیبان (مطالعه موردی: ایستگاه اردبیل) abstract
بارش یکی از مهمترین داده های ورودی به سیستم های هیدرولوژیکی محسوب می شود که تخمین صحیح آن در شبیه سازی
سیلاب، پایش خشکسالی و مدیریت منابع آب امری ضروری و مهم به شمار می آید. هدف از این پژوهش، پیش بینی مقادیر
بارش روزانه ایستگاه اردبیل با استفاده از داده های هواشناسی یک تا سه روز قبل می باشد. برای این منظور داده های
هواشناسی دوره ۱۳۸۴ تا ۱۳۹۹ در قالب چهار سناریو ترکیبی بر اساس توابع خود همبستگی (PACF) و همبستگی متقابل (CCF) تعریف گردید. روشهای جنگل تصادفی (RF) و رگرسیون بردار پشتیبان (SVR) به عنوان دو روش مورد استفاده در مطالعه حاضر مد نظر قرار گرفت. در نهایت با بررسی معیارهای ارزیابی، نتایج نشان داد که مدل (RF(۴ با بالاترین ضریب نش- ساتکلیف و کمترین مقدار خطا (NS = ۰.۵۸۲, RMSE = ۱.۵۶, MAE=۰.۷۲۱) با استفاده از داده های رطوبت نسبی و بارش با سه روز تاخیر به عنوان برترین مدل معرفی گردید. همچنین مدل SVR در همه سناریوها از عملکرد ضعیفی برخوردار بود.
پیش بینی مقادیر بارش روزانه با استفاده از روش های جنگل تصادفی و رگرسیون بردار پشتیبان (مطالعه موردی: ایستگاه اردبیل) Keywords:
پیش بینی مقادیر بارش روزانه با استفاده از روش های جنگل تصادفی و رگرسیون بردار پشتیبان (مطالعه موردی: ایستگاه اردبیل) authors
فاطمه میکائیلی
دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
سعید صمدیان فرد
استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز