پیش بینی بلند مدت جریان رودخانه با استفاده از روش تحلیل طیف تکین در حوضه کرخه
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 222
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-48-2_008
تاریخ نمایه سازی: 31 مرداد 1402
Abstract:
در ده های گذشته روش های مختلفی برای تجزیه و تحلیل و پیش بینی متغیرهای فیزیکی استفاده شده است. یکی از آنها، روش آماری تحلیل طیف تکین (SSA) می باشد. SSA از روش های مورد استفاده در مدل سازی فرایندهای مختلف آماری است و اخیرا استفاده از آن در رشته های مختلف مهندسی از جمله منابع آب به منظور حذف اجزاء تصادفی موجود در سری های زمانی گسترش یافته است. هدف اصلی از این تحقیق پیش بینی مقادیر جریان رودخانه های حوضه کرخه با استفاده از روش SSA می-باشد. ابتدا ایستگاه های شاخص در حوضه کرخه (پنج ایستگاه) برای این کار انتخاب گردید. دوره پر آبی ایستگاه ها تعیین شد. برای مدل سازی ۷۰ درصد داده ها برای واسنجی و ۳۰ درصد داده ها برای صحت سنجی در نظر گرفته شد. ابتدا از روش SSA برای پردازش اولیه داده ها و حذف نوفه موجود در سری های زمانی جریان رودخانه استفاده شد. سپس از الگوریتم بازگشتی روش SSA برای ساخت مدل پیش بینی آبدهی رودخانه در ایستگاه های حوضه کرخه استفاده شد. برای بررسی عملکرد مدل از معیار جذر میانگین مربعات خطا نرمال شده، میانگین قدرمطلق خطای نسبی و ضریب همبستگی استفاده گردید. در مرحله صحت-سنجی بیشترین مقدار آماره NRMSE و MARE به ترتیب برابر ۰.۴۷ و ۰.۵برای ایستگاه های پل چهر بود. کمترین مقدار آماره NRMSE برای ایستگاه پل دختر و چم انجیر نزدیک به هم و برابر ۰.۳ و ۰.۳۱ و کمترین مقدار آماره MARE برای ایستگاه چم انجیر و پل دختر، نزدیک به هم و برابر ۰.۲۹ و ۰.۳۰ بود. در نهایت بهترین و ضعیف ترین نتیجه در دو مرحله واسنجی و صحت سنجی به ترتیب برای ایستگاه های چم انجیر و پل چهر به دست آمد. بر اساس نتایج این تحقیق می توان با به کارگیری روش SSA مقادیر جریان رودخانه را با دقت مناسب پیش بینی نمود.
Keywords:
Authors
فرید فروغی
دانشجوی دکتری پردیس کشاورزی و منابع طبیعی کرج- دانشگاه تهران و مربی دانشگاه شیراز
شهاب عراقی نژاد
هیات علمی / دانشگاه تهران
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 :