توسعه روش رگرسیون K- نزدیک ترین همسایگی در پیش بینی جریان رودخانه

روشهای مختلف آماری، غیرآماری و جعبه سیاه در فرایندهای پیش بینی جریان رودخانه استفاده می شوند. از میان روشهای آماری، روش رگرسیون ناپارامتری K- نزدیک ترین همسایگی به واسطه پایه ریاضی و سادگی ذاتی، یکی از روشهای مناسب در فرایندهای پیش بینی است . در این تحقیق ضمن معرفی کامل روش K-NN به تشریح راهکارهای توسعه و بهبود این روش پرداخته می شود که از آن جمله می توان به معرفی روشهای تخمین بهترین همسایگی، توابع انتقال اطلاعات (پیش پردازش)، توابع فاصله سنجی و روش پیشنهادی برای برونیابی اشاره کرد. روش پیش بینی K-NN به همراه راهکارهای توسعه آن بر روی مطالعه موردی پیش بینی آورد حوضه بالادست سد زاینده رود اجرا شد. مقایسه نتایج نهایی روش K-NN کلاسیک با روش اصلاح شده K-NN (تعداد همسایگی ٥، تابع انتقال دامنه مقیاس، تابع فاصله سنجی ماهانالوبیس و اعمال روش برونیابی پیشنهادی) نشان می دهد که مدل بهبود یافته در پارامترهای نکویی برازش، ریشه میانگین مربعات خطا، درصد حجم خطا و میزان همبستگی به ترتیب 45، 59 و 17 درصد بهبود عملکرد داشته است. این نتایج، ضرورت ، اعمال راهکارهای ذکر شده را برای استخراج پیش بینی های دقیق تر نشان می دهد.

Keywords:

روش نزدیک ترین همسایگی , توابع فاصله سنجی , فاصله ماهانالوبیسی , برونیابی , رودخانه زاینده رود