پیش بینی جریان ماهانه رودخانه با استفاده از رویکردهای آنتروپی شانون و موجک (مطالعه موردی: رودخانه مارون)
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 141
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWIM-12-1_002
تاریخ نمایه سازی: 5 اردیبهشت 1401
Abstract:
جریان رودخانه از مهمترین اجزاء چرخه هیدرولوژی است که به عوامل اقلیمی متعددی وابسته بوده و برآورد دقیق آن در زمینه-های مختلف مدیریت منابع آب کاربرد دارد. در مطالعه حاضر از مدل های جنگل های تصادفی (RF) و ماشین بردار پشتیبان (SVM) برای پیش بینی جریان ماهانه رودخانه مارون در دوره آماری ۱۳۶۰ تا ۱۳۹۶ استفاده گردید. یکی از مراحل مهم در کاربرد مدل های هوش مصنوعی تعریف الگوهای ورودی و شناسایی پارامترهای موثر در فرآیند مدل سازی است. برای انتخاب بهینه ترین ورودی ها از بین بارش، تبخیر و دماهای کمینه، بیشینه و متوسط روش آنتروپی شانون استفاده شد. نتایج نشان داد که وزن بارش و تبخیر در مجموع بیش از ۸۵ درصد بود. در گام بعد، سه ساختار متفاوت برای ورودی مدل ها توسعه داده شد. در حالت اول الگوهای اقلیم پایه تعریف شدند که از داده های هواشناسی به عنوان ورودی استفاده می کردند. در حالت دوم خاصیت تناوبی غیرخطی به الگوهای اقلیم پایه افزوده شد و در حالت سوم داده های ورودی اقلیم پایه با استفاده از پنج تابع موجک مادر تجزیه شده و مدل های هیبریدی W-RF و W-SVM ایجاد شدند. عملکرد مدل های منفرد RF و SVM نشان داد که با افزودن ترم پریودیک، دقت در مقایسه با ورودی های اقلیم پایه تا حدودی افزایش می یابد، اما تجزیه داده ها با تئوری موجک به طور قابل ملاحظه ای خطای مدل سازی را کاهش داد. در این بین عملکرد دو مدل W-RF و W-SVM بسیار نزدیک به یکدیگر بود، اما با توجه به نمودار ویلونی، مدل W-SVM به عنوان مناسب ترین گزینه برای پیش بینی جریان ماهانه رودخانه مارون پیشنهاد می گردد.
Keywords:
Authors
محمد امین نکوئیان
دانشجوی کارشناسی ارشد، گروه هیدرولوژی و منابع آب ، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
فریدون رادمنش
دانشیار، گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
فرشاد احمدی
استادیار، گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، 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 :