ورود
مقالات فارسیISIکنفرانسهاژورنالها

ارزیابی رویکرد پیش پردازش میانگین متحرک در تدقیق پیش بینی جریان ورودی به سدها توسط مدل رگرسیون بردار پشتیبان

Publish place: Iranian Journal of Soil and Water Research، Vol: 50، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 65

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:
https://civilica.com/doc/1664676

شناسه ملی سند علمی:

JR_IJSWR-50-1_020

تاریخ نمایه سازی: 6 خرداد 1402

Abstract:

پیش بینی دقیق هیدرولوژیکی یک ابزار کلیدی در برنامه­ریزی های منابع آب است. از این رو در این مقاله با بهره­گیری از مدل­های رگرسیون بردار پشتیبان (SVR)، رگرسیون چند متغیره­ی خطی  (MLR)و خود همبسته ی میانگین متحرک (ARMA)، جریان ورودی به سدهای بختیاری و رودبار لرستان پیش­بینی شده است. به منظور پیش­پردازش داده­های ورودی مدل­ها از رویکرد میانگین متحرک استفاده شد. برای ارزیابی کارایی مدل­ها از معیارهای ارزیابی نش ساتکلیف (NSE)، جذر میانگین مربعات خطا (RMSE)، ضریب همبستگی (R) و دیاگرام تیلور استفاده شد. نتایج نشان داد که استفاده از روش پیش­پردازش میانگین متحرک باعث بهبود عملکرد مدل­های مورد استفاده شده است. بطوری که مقادیر NSE مربوط به مدل SVR با پیش­پردازش میانگین متحرک در پیش­بینی جریان ورودی به سدهای بختیاری و رودبار لرستان نسبت به مدل SVR بدون پیش­پردازش به ترتیب ۴/۱۳ و ۶/۶ درصد بهبود داشته است.

Keywords:

Authors

مهدی عباسی

فارغ التحصیل کارشناسی ارشد گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

شهاب عراقی نژاد

دانشیار، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

کیومرث ابراهیمی

استاد، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، 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 :
  • Belayneh, A., Adamowski, J., Khalil, B. and Ozga-Zielinski, B. (۲۰۱۴). ...
  • Adnan, R. M., Yuan, X., Kisi, O., & Yuan, Y. ...
  • Akaike, H. (۱۹۷۴). A new look at the statistical model ...
  • Chiang, J. L., & Tsai, Y. S. (۲۰۱۲). Reservoir drought ...
  • Choy, K. Y., & Chan, C. W. (۲۰۰۳). Modelling of ...
  • Cortes, C., & Vapnik, V. (۱۹۹۵). Support-vector networks. Machine learning, ۲۰(۳), ۲۷۳-۲۹۷ ...
  • Foroughi, F., Araghinejad, S. (۲۰۱۷). Long-lead streamflow forecasting using singular ...
  • Guo, J., Zhou, J., Qin, H., Zou, Q., & Li, ...
  • Jamali, B., Ebrahimi, K. (۲۰۱۰). water quality time series forecasting ...
  • Lin, J. Y., Cheng, C. T., & Chau, K. W. ...
  • Modaresi F., Araghinejad S., Ebrahimi K. (۲۰۱۷a). Assessment of Ordered ...
  • Modaresi, F., & Araghinejad, S. (۲۰۱۴). A comparative assessment of ...
  • Nieto, P. G., García-Gonzalo, E., Fernández, J. A., & Muñiz, ...
  • Seyam, M., Othman, F., & El-Shafie, A. (۲۰۱۷). Prediction of ...
  • Sivapragasam, C., Liong, S. Y., & Pasha, M. F. K. ...
  • Taylor, K. E. (۲۰۰۱). Summarizing multiple aspects of model performance ...
  • Vapnik, V., Golowich, S. E., & Smola, A. J. (۱۹۹۷). ...
  • Wang, W., Nie, X., & Qiu, L. (۲۰۱۰, October). Support ...
  • Wen, X., Si, J., He, Z., Wu, J., Shao, H., ...
  • Yu, X., Liong, S. Y., & Babovic, V. (۲۰۰۴). EC-SVM ...
  • Yu, X., Zhang, X., & Qin, H. (۲۰۱۸). A data-driven ...
    • نمایش کامل مراجع