پیش بینی جریان سالانه رودخانه با استفاده از مدل خودهمبسته تجمعی میانگین متحرک و رگرسیون فازی

Publish Year: 1388
نوع سند: مقاله ژورنالی
زبان: Persian
View: 164

This Paper With 18 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_WASO-19-1_011

تاریخ نمایه سازی: 15 اسفند 1401

Abstract:

رشد روزافزون جمعیت و محدودیت منابع آب سطحی در کشور، لزوم پیش بینی دقیق تر مقدار آورد رودخانه را به دلیل اهمیت در برنامه ریزی و مدیریت منابع آب از جمله بهره برداری از مخازن و طراحی سازه های کنترل سیلاب با استفاده از ابزارها و روش های نوین مدلسازی می طلبد. در این راستا، مدل های سری زمانی از دیرباز مورد توجه هیدرولوژیست ها بوده اند. هدف این تحقیق، ارزیابی کارآیی دو رهیافت کلی مدل سری زمانی و رگرسیون فازی در پیش بینی جریان سالانه رودخانه می باشد. در مدل خودهمبسته تجمعی میانگین متحرک از رهیافت سری زمانی، کارآیی روش های درست­نمایی شرطی و درستنمایی غیر شرطی در تخمین پارامترهای مدل مورد بررسی قرار گرفت. در مدل رگرسیون فازی، به منظور در نظرگرفتن عدم قطعیت حاکم  بر سیستم­های طبیعی، از تابع عضویت مثلثی متقارن و نامتقارن استفاده شد. به منظور مقایسه کارآیی دو مدل مذکور در پیش بینی جریان سالانه، آمار آبدهی برخی از ایستگاه های حوضه آبریز دریاچه ارومیه بکار گرفته شد. نتایج نشان دادند که در بین روش های تخمین پارامترها، روش درستنمایی غیر شرطی به عنوان روش کارآمد در تخمین پارامترهای مدل ARIMA می باشد. مقایسه جریان های سالانه پیش بینی شده توسط مدل های ARIMA و رگرسیون فازی براساس معیارهایی مانند RMSE، دلالت بر عملکرد بهتر رهیافت رگرسیون فازی نسبت به مدل سری زمانی داشت. عملکرد بهتر تابع عضویت مثلثی متقارن نسبت به نوع نامتقارن آن از حیث درنظر گرفتن عدم قطعیت حاکم بر مسئله مدلسازی از دیگر نتایج این تحقیق می باشد.

Keywords:

Authors

لاله پرویز

دانشگاه تهران

مجید خلقی

دانشگاه تهران

احمد فاخری فرد

دانشگاه تبریز

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 :
  • پیش بینی جریان ماهانه ورودی به مخزن سد شهید عباسپور با استفاده از مدلهای سری زمانی Box- Jenkins [مقاله کنفرانسی]
  • کوره پزان ا،۱۳۸۴. اصول تئوری مجموعه های فازی و کاربردهای ...
  • مشکانی م، ۱۳۷۱. تحلیل سری زمانی :پیش بینی و کنترل ...
  • Box EP and Jenkins GM, ۱۹۷۶. Time Series Analysis: Forecasting ...
  • Brockwell PJ and Davis RA, ۱۹۸۷. Time series: Theory and ...
  • Carlson RF, MacCormick AJA and Watts DG, ۱۹۷۰. Applications of ...
  • Chang Y and Ayyub B, ۲۰۰۱. Fuzzy regression methods- a ...
  • Delleur JW, Tao PC and Kavvar ML, ۱۹۷۶. An evaluation ...
  • Hojati M, Bector CR and Smimou K, ۲۰۰۵. A simple ...
  • Kurunc A, Yurekli K and Cevik O, ۲۰۰۵. Performance of ...
  • Myung I, ۲۰۰۳. Tutorial on maximum likelihood estimation. Journal of ...
  • ObadageAS and Harnpornchai N, ۲۰۰۶. Determination of point maximum likelihood ...
  • Radden DT and Woodall WH, ۱۹۹۴. Properties of certain fuzzy ...
  • Salas JD, Delleur JW, Yevjevich V and Lane WL, ۱۹۸۸. ...
  • Shine DW and Lee JH, ۲۰۰۰. Consistency of the maximum ...
  • Tanaka H and Uejima S, ۱۹۸۲. Linear regression analysis with ...
  • Toly C and Wang MJ, ۱۹۹۹. Forecasting methods using fuzzy ...
  • Tseng YH, Durbin P and Tzeng GH, ۲۰۰۱. Using fuzzy ...
  • Valenzuela O, Marquez L, Pasadas M and Rojas I, ۲۰۰۴. ...
  • Wu, HCH, ۲۰۰۳. Fuzzy estimates of regression parameters in linear ...
  • Wu JS, ASCE PEM, Han J, Annambhotla S and Bryant ...
  • Yen KK, Ghoshary S and Roig G, ۱۹۹۹.A linear model ...
  • Zadeh LA, ۱۹۶۵. Fuzzy sets and information. Control ۸, ۳۳۸-۳۵۳ ...
  • نمایش کامل مراجع