توسعه مدل ناپارامتری تولید اطلاعات مصنوعی هیدرولوژیکی ماهانه و مقایسه ی آن با مدلهای پارامتری تولید اطلاعات
Publish place: 5th Iranian Water Resources Management Conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 618
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WRM05_078
تاریخ نمایه سازی: 25 تیر 1393
Abstract:
آبدهی رودخانه به عنوان ورودی به سیستم از پارامترهای مهم در مدیریت بهره برداری از مخازن سدها میباشد. شبیه سازی و پیش بینی آبدهی در مقیاس سالانه را میتوان با استفاده از روش های استوکاستیکی انجام داد. در مقیاس ماهانه که در مدیریت سد حائز اهمیت بیشتری است به علت نگرش فصلی و پریودیک روش های استوکاستیکی، تعداد پارامترها افزایش یافته و در نتیجه خطای برآورد بیشتر می شود. در این مطالعه مدل KNN به عنوان اصلی ترین روش ناپارامتری تولید اطلاعات توسعه داده شد. جهت مقایسه ی و ارزیابی روش مدل توسعه داده شده از بسته نرم افزاری SAMS به جهت پوشش کامل مدل های پارامتری استفاده شد. به این منظور از سری های زمان ی آبدهی ماهانه ی ثبت شده در حوضه ی آبریز رودخانه ی سیروان (رودخانه های قشلاق ژاوه، گردلان و رودخانه ی سیروان بالادست محل احداث سد مخزنی داریان)،استفاده شد و به طول سری زمانی مشاهداتی (50 سال) آبدهی مصنوعی برای سه ایستگاه تولید شد. نتایج نشان داد که مدل ناپارامتری توسعه داده شده همانند مدلهای پارامتری توانایی حفظ پارامترهای مهم آماری در سری زمانی را داشته و قادر به تولید مقادیر بی سابقه از متغیر سری زمانی می باشد. قابلیت مدلسازی غیر خطی این الگوریتم و سادگی کاربرد آن از مزایای دیگر این مدل هستند.
Keywords:
Authors
سلمان شریف آذری
مربی گروه مهندسی آب دانشگاه زابل
شهاب عراقی نژاد
استادیار گروه مهندسی آبیاری و آبادانی دانشگاه تهران
حبیبه رحیمی
دانشجوی کارشناسی ارشد آبخیزداری، گروه آبخیزداری دانشگاه زابل
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 :