کاربرد روش های شبکه ی بیزین و حداقل مربعات ماشین بردار پشتیبان در پیش بینی تراز سطح آب دریاچه ارومیه

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 591

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JWSC-25-3_012

تاریخ نمایه سازی: 11 آبان 1398

Abstract:

سابقه و هدف: دریاچه ارومیه به عنوان یک اکوسیستم آبی مهم در شمال غرب ایران واقع شده است. در 14 سال اخیر میانگین تراز سطح آب دریاچه ارومیه به 2/1272 متر تقلیل پیدا کرده و این به این معنی است که اختلاف تراز سطح اکولوژیک دریاچه و تراز سطح کنونی 2 متر است. خشک شدن دریاچه ارومیه باعث بروز مسائل و بحران های جدی برای حوضه، استان های مجاور و کشور خواهد شد. در این تحقیق از پارامترهای موثر مستقیم و غیر مستقیم در پیش-بینی تراز سطح دریاچه از جمله تبخیر، رواناب ورودی به دریاچه، بارش، دما، باد، میانگین رطوبت هوا و تراز سطح آب دریاچه در ماه قبل به عنوان ورودی های مدل استفاده شده است. مقایسه کارایی مدل های شبکه ی بیزین که یک مدل احتمالاتی تحت شرایط عدم قطعیت و الگوریتم ماشینی حداقل مربعات ماشین بردار پشتیبان، هدف اصلی تحقیق حاضر است. مواد و روش ها: در تحقیق حاضر از دو روش حداقل مربعات ماشین بردار پشتیبان و شبکه بیزین در فرایند مدل-سازی استفاده گردید. در این مطالعه عوامل موثر در پیش بینی تراز سطح دریاچه در ماه قبل به عنوان ورودی و تراز سطح آب دریاچه در ماه کنونی به عنوان خروجی مدل ها مورد بررسی قرار گرفت. جهت تخمین دما، تبخیر، بارش، باد و میانگین رطوبت هوا بر روی سطح دریاچه از داده های پنج ایستگاه سینوپتیک مجاور دریاچه با برآورد ضریب تیسن هر ایستگاه و داده های 13 ایستگاه هیدرومتری واقع بر رودخانه های منتهی به دریاچه جهت تشکیل پارامترهای ورودی دو مدل محاسبه گردید. یافته ها: تحلیل داده های ایستگاه های هیدرومتری نشان داد که تنها چهار ایستگاه از 13 ایستگاه هیدرومتری از نرمال پیروی می کنند. مقایسه و بررسی نتایج دو مدل با بررسی ضرایب R2، RMSE، MBE و ناش ساتکلیف حاکی از برتری عملکرد مدل حداقل مربعات ماشین بردار پشتیبان در مقایسه با شبکه بیزین است. این مقادیر برای مدل برتر به ترتیب برابر با 3/92%، 082/0متر، 012/0-متر و 86/0 بدست آمد. نتیجه گیری: در این تحقیق معیارهای ارزیابی نشان داد که مدل حداقل مربعات ماشین بردار پشتیبان نسبت به مدل شبکه بیزین دارای برتری است. نکته حائز اهمیت در مقایسه دو مدل آن است که ماهیت مدل حداقل مربعات ماشین بردار پشتیبان، ماشینی است ولی ماهیت شبکه بیزین یک مدل احتمالاتی تحت شرایط عدم قطعیت است که در آن از توزیع نرمال جهت آموزش متغیرهای شبکه استفاده شده است. از آنجایی که ماهیت وقوع رخدادهای طبیعی تصادفی است، بنابراین استفاده از مدل شبکه بیزین نسبت به مدل حداقل مربعات ماشین بردار پشتیبان می تواند توصیه گردد.

Keywords:

پیش بینی , تراز سطح اکولوژیک , دریاچه ارومیه , شبکه بیزین , حداقل مربعات ماشین بردار پشتیبان

Authors

سجاد کریمزادگان

دانشگاه ارومیه

جواد بهمنش

دانشگاه ارومیه- گروه مهندسی آب

حسین رضایی

دانشیار گروه مهندسی آب، دانشگاه ارومیه

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 :
  • Abbaszadeh, A.A., Khalili, K., and Behmanesh, J. 2015. Application of ...
  • model in Forecasting Urmia Lake Water Level. J. Soil Water ...
  • Ahmadi, F., and Radmanesh, F. 2016. Application of Bayesian Networks ...
  • Programming for Predicting Daily River Flow (Case study: Barandoozchay River). ...
  • Sci. Engin. 39: 4. 213-223. (In Persian) ...
  • Ahmadi, F., Radmanesh, F., and Mir Abbasi, N.R. 2016. Comparing ...
  • Support Vector Machines and Bayesian networks in predicting daily river ...
  • Baranduz Chai River). J. Water Soil Cons. 22: 6. 171-186. ...
  • Alexandersson, H. 1986. A homogeneity test applied to precipitation data. ...
  • Alizadeh, A. 2010. Principles of Applied Hydrology. Imam Reza University ...
  • Anbari, M.J., and Tabesh, M. 2016. Failure Event Probability Calculation ...
  • Collection Systems Using the Bayesian Network. J. Water Wastewater. 3: ...
  • Bishop, C.M. 2006. Pattern recognition and machine learning. Springer. ...
  • Download.hugin.com. 2017. Introduction to the Hugin Development Environment / Manual. ...
  • online] Available at: http://download.hugin.com/webdocs/manuals/Htmlhelp/descr_NPC_ ...
  • algorithm_pane.html [Accessed 31 Aug. 2017]. ...
  • Gelman, A., Carlin, J.B., Stern, H.S., Dunson, D.B., Vehtari, A., ...
  • Bayesian data analysis (Vol. 2). Boca Raton, FL: CRC press. ...
  • Ghgajarnia, N., Liyaghat, A., and Danesh Kar Araste, P. 2014. ...
  • of TAMAB and meteorology institute in Urmia basin. Water and ...
  • : 1. 91-109. (In Persian) ...
  • Ghorbani, A.M., and Dehghani, R. 2014. Application of Bayesian Neural ...
  • Vector Machines and Gene Expression Programming Analysis of Rainfall - ...
  • Case study: Kakareza River). J. Irrig. Sci. Engin. 39: 2. ...
  • Hesar, A.S., Tabatabaee, H., and Jalali, M. 2012. Structure learning ...
  • using heuristic methods. In Proc. of International Conference on Information ...
  • Management (ICIKM 2012). ...
  • Kardan Moghadam, H., and Roozbahani, A. 2015. Evaluation of Bayesian ...
  • in monthly groundwater level prediction (Case study: Birjand aquifer). J. ...
  • Manage. 5: 2. 139-151. (In Persian) ...
  • Kelts, K., and Shahrabi, M. 1986. Holocene sedimentology of hypersaline ...
  • northwestern Iran. Paleogeography, Paleoclimatology, Paleoecology, 54 (1-4): 105-130. ...
  • Koop, G. 2010. Bayesian econometrics. Chichester [u.a.]: Wiley. ...
  • Lin, G.F., Chen, G.R., Wu, M.C., and Chou, Y.C. 2009. ...
  • typhoon rainfall using support vector machines. Water Resources Research, 45: ...
  • Madadgar, S., and Moradkhani, H. 2014. Spatio-temporal drought forecasting within ...
  • Bayesian networks. J. Hydrol. 512: 134-146. ...
  • Mahmoudi, Kh.S., and Rezaie, H. 2013. Investigating and evaluating causes ...
  • in Lake Urmia water level and providing various solutions. Urmia ...
  • Agriculture. 233p. (In Persian) ...
  • Mahsafar, H., Maknoun, R., and Saghafian, B. 2011. The Impact ...
  • Urmia Lake Water Level. J. Iran Water Resour. Res. 7: ...
  • Margaritis, D. 2003. Learning Bayesian Network Model Structure. Ph.D. Thesis. ...
  • Computer Science, Carnegie Mellon University. ...
  • Mehdizadeh, S., Behmanesh, J., and Saadatnejad Gharahassanlou, H. 2017. Evaluation ...
  • gene expression programming and Bayesian networks methods in predicting daily ...
  • temperature. J. Agric. Meteorol. 4: 2. 1-13. (In Persian) ...
  • Mellit, A., Massi Pavan, A., and Benghanem, M. 2013. Least ...
  • for short term prediction of meteorological time series. Theor. Appl. ...
  • Mohajerani, H., Kholghi, M., Mosaedi, A., Saidodin, A., and Meftah ...
  • Quantitative Management of Groundwater Using Bayesian Decision Network. J. Water ...
  • : 6. 1522-1534. (In Persian) ...
  • Moravaj, M., Khalili, K., and Behmanesh, J. 2016. Forecasting Lake ...
  • linear time series models. J. Water Soil Cons. 22: 5. ...
  • Noori, R., Karbassi, A.R., Moghaddamnia, A., Han, D., Zokaei-Ashtiani, M.H., ...
  • A., and Gousheh, M.G. 2011. Assessment of input variables determination ...
  • model performance using PCA, Gamma test and forward selection techniques ...
  • stream flow prediction. J. Hydrol. 401 (3-4): 177-189. ...
  • Pang, A.P., and Sun, T. 2014. Bayesian networks for environmental ...
  • and an application in the Yellow River estuary, China. Hydrology ...
  • Sciences, 18 (5): 1641. ...
  • Parkes, B., and Demeritt, D. 2016. Defining the hundred-year flood: ...
  • approach for using historic data to reduce uncertainty in flood ...
  • Hydrol. 540, 1189-1208. ...
  • Seifi, A. 2011. Develop an expert system to predict daily ...
  • a backup vector machine (SVM) and compare its results with ...
  • methods. Tarbiat Modarres University, Faculty of Agricalture. 153p. (In Persian) ...
  • Subramanya, K. 2013. Engineering Hydrology, 4e. Tata McGraw-Hill Education. ...
  • Vapnik, V. 1998. Statistical Learning Theory. John Wiley&Sons. Inc., New ...
  • Xue, J., Gui, D., Zhao, Y., Lei, J., Zeng, F., ...
  • networks. J. Hydrol. 540: 1209-1222. ...
  • نمایش کامل مراجع