مقایسه روش های مختلف بازسازی داده های گمشده دبی ماهانه ایستگاه پایین دست براساس آمار خود ایستگاه و ایستگاه های بالادست
Publish place: First National Conference on Water Crisis
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,203
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCWC01_011
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
پایه و اساس مطالعات هیدرولوژی داده های آماری مورد قبول میباشد، اما به دلیل خطاهای انسانی و ابزاری ممکن است با مواردی از قبیل عدم ثبت آمار یا تشخیص داده های پرت و حذف آنها تحت عنوان داده های گمشده برخورد کنیم. برای بررسی و تحلیل آماری داده های لازم است تا داده های گمشده بازسازی شوند، که برای این منظور روشهای مختلفی وجود دارد. در این پژوهش، برای بازسازی داده های گمشده سری هیدرولوژیکی دبی ماهانه ایستگاه قزاقلی واقع در حوضه گرگانرود استان گلستان براساس آمار ایستگاه های بالادست به روشهای متداول آماری و روش نوین شبکه عصبی مصنوعی انجام گرفت. همچنین قابلیت مدلسازی به کمک مدل سری زمانی براساس آمار خود ایستگاه مورد بررسی قرار گرفت. از مجموع کل دادههای ماهانه طی دوره مشترک 30 ساله،80 درصد دادهها برای آموزش و از 20 درصد دادهها برای آزمون در نظر گرفته شد. با توجه به معیار ضریب تشخیص(R2)، نتایج تمامی روشها مقدار قابل قبولی را نشان میدهند.اما مدل شبکه عصبی مصنوعی با ضریب تشخیص 0/97 و ریشه میانگین مربعات خطا 0/034، در مقایسه با سایر روشهای متداول آماری و مدل سری زمانی از دقت بالایی برای مدل سازی روابط بین پارامترهای ورودی و خروجی در یک مدل برخوردار میباشد.
Keywords:
Authors
خلیل قربانی
استادیار گروه مهندسی آب،دانشگاه علوم کشاورزی و منابع طبیعی گرگان
امیراحمد دهقانی
استادیار گروه مهندسی آب،دانشگاه علوم کشاورزی و منابع طبیعی گرگان،
حمید گنجی زاده
دانشجوی کارشناسی ارشد منابع آب،دانشگاه علوم کشاورزی و منابع طبیعی گرگان
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 :