معرفی یک روش ترکیبی برای تخمین سرعت باد با استفاده از اطلاعات ایستگاه های همسایه در استان اصفهان

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 109

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:

شناسه ملی سند علمی:

JR_IJSWR-50-1_015

تاریخ نمایه سازی: 6 خرداد 1402

Abstract:

پیش­بینی مولفه­های باد ازجمله سرعت باد یکی از عوامل مهم به­خصوص در بحث تبخیر در یک حوزه آبخیز محسوب می­شود. در این مقاله برای افزایش کارایی مدل­ ماشین بردار پشتیبان در پیش بینی سرعت باد، این مدل با الگوریتم بهینه سازی کرم شب تاب  ترکیب شد که منبعد به عنوان مدل ترکیبی از آن یاد می­شود. در این راستا با استفاده از داده­های سرعت باد ایستگاه­های همدید استان اصفهان، مقادیر سرعت باد ماهانه در ایستگاه­های مجهول همسایه در مقیاس ماهانه برآورد شد و سپس کارایی مدل­های ماشین بردار پشتیبان و مدل ترکیبی مورد مقایسه قرار گرفت. در نهایتبا استفاده از معیارهای RMSE، MAE، WI و NS،  کارآیی عملکرد دو مدل مورد ارزیابی قرار گرفت.  نتایج نشان داد که در مرحله ارزیابی، مدل ترکیبی با مقادیر همبستگی بالا و خطای کم­تر کارآیی بالاتری نسبت به مدل دیگر دارد. همچنین روش استفاده از داده­های ایستگاه­های همسایه به عنوان ورودی مدل­های تخمین­گر  ایستگاه مجهول، روش مناسبی برای تخمین سرعت باد می­باشد.

Keywords:

Authors

بابک محمدی

گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران کرج، ایران

زهرا شریعتمداری

استادیار گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، 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 :
  • Afkhami, H., Talebi, A., Mohammadi, M. and Fotouhi, F. (۲۰۱۵). ...
  • Burton, T., Sharpe, D., Jenkins, N. and Bossanyi, E. (۲۰۰۱). ...
  • Cadenas, E. and Rivera, W. ۲۰۰۷. Wind speed forecasting in ...
  • Deo, R., Ghorbani. M.A., Samadianfard, S., Maraseni, T., Bilgili, M. ...
  • Damousis, I. G. and Dokopoulos, P. A. (۲۰۰۱). Fuzzy expert ...
  • Ghorbani, M. A., Deo, R., Yaseen, Z.M., Kashani, M.H. and ...
  • Ghorbani, M. A., Shamshirband, SH., Zare Haghie, D., Azania, A., ...
  • Guangdian, G.W. and Zhijie, D. (۱۹۹۴). Wind pattern recognition in ...
  • Hosseini-Moghari, S.M. and Banihabib, M.E. (۲۰۱۴). Optimizing operation of reservoir ...
  • Kisi, O., Genc. O., S. Dinc and M. Zounemat-Kermani. (۲۰۱۶). ...
  • Kisi, O., Shiri, J., Karimi, S., Shamshirband, Sh., Motamedi, Sh., ...
  • Liu, H., Tian, H. and Li, Y. (۲۰۱۲a). Comparison of ...
  • Liu, H., Chen, C., Tian, H. and Li., Y. (۲۰۱۲b). ...
  • Mohammadi, B. (۲۰۱۷). Daily Evaporation prediction based on a hybridization ...
  • Pai, PF. and Hong, WC. (۲۰۰۷). A recurrent support vector ...
  • Philippopoulos, K. and Deligiorgi, D. (۲۰۱۲). Application of artificial neural ...
  • Potter, C. W. and Negnevitsky, M. (۲۰۰۶). Very short-term wind ...
  • F. Rahimzadeh, A. M., Noorian, M., Pedram, and Kruk, M. ...
  • Soder, L. (۲۰۰۴). Simulation of wind speed forecast errors for ...
  • Vapnik,V. N. (۱۹۹۸). Statistical Learning Theory. Wiley, New York ...
  • Watson, S. J., Landberg, L. and Halliday, J.A. (۱۹۹۴). Application ...
  • Yang, X.S. (۲۰۰۹). Firefly algorithms for multimodal optimization. In International ...
  • Yang, X. S. and He, X. (۲۰۱۳). Firefly algorithm: recent ...
  • Yoon, H., Jun, S. C., Hyun, Y., Bae, G. O. ...
  • Zhang, Q. and Benveniste, A. (۱۹۹۲). Wavelet networks. IEEE Transactions ...
  • نمایش کامل مراجع