پیش بینی باررسوبی معلق با استفاده از مدل ترکیبی موجک (Wavelet)- رگرسیون فرآیند گاوسی (GPR)
Publish place: 16 th Iranian Hydraulics Conference
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 569
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
IHC16_263
Index date: 11 May 2018
پیش بینی باررسوبی معلق با استفاده از مدل ترکیبی موجک (Wavelet)- رگرسیون فرآیند گاوسی (GPR) abstract
ارایه راهکاری مناسب جهت تعیین دقیق بار معلق رودخانه ها در پروژه های آبی از اهمیت خاصی برخوردار می باشد. امروزه استفاده از سیستم های هوش مصنوعی به عنوان ابزاری جدید جهت برآورد دقیق رسوبات رودخانه ها مورداستفاده قرار می گیرد. در تحقیق حاضر مدل ترکیبی موجک-رگرسیون فرآیند گاوسی به منظور پیش بینی بار رسوبی معلق رود آبیاکا مورداستفاده قرار گرفت. بدین منظور یک دوره آماری 11 ساله (1992 تا 2002) که 8 سال آن (1992 تا 2000) جهت آموزش و 3 سال (2000 تا 2002) جهت آزمون مورداستفاده قرار گرفت. ترکیب مختلف داده های ورودی و تاخیرهای زمانی متفاوت در این تحقیق مورد ارزیابی قرار گرفت. نتایج نشان داد مدل ترکیبی موجک- رگرسیون فرآیند گاوسی دقت بالاتری را در مدل سازی دارا می باشد و موجک دیمی با R2 و RMSE برابر با 98/0 و 14/38 بهترین عملکرد را از خود نشان دادند. همچنین نتایج به دست آمده بیانگر کاهش دقت مدل سازی در استفاده از تاخیرهای زمانی سالانه در پیش بینی می باشد.
پیش بینی باررسوبی معلق با استفاده از مدل ترکیبی موجک (Wavelet)- رگرسیون فرآیند گاوسی (GPR) Keywords:
پیش بینی باررسوبی معلق با استفاده از مدل ترکیبی موجک (Wavelet)- رگرسیون فرآیند گاوسی (GPR) authors
زهرا رسولی
دانشجوی کارشناسی ارشد سازه های آبی، دانشگاه زنجان
زهرا پاپی
دانشجوی کارشناسی ارشد سازههای آبی، دانشگاه زنجان
مسعود کرباسی
استادیار گروه مهندسی آب، دانشگاه زنجان