پیش بینی جریان رودخانه با انتخاب پویای نزدیکترین همسایه ها در روش KNN

پیش بینی جریان رودخانه یکی از مهم ترین بخش های برنامه ریزی منابع آب و سیست مهای هشدار سیل می باشد که افزایش دقت آن باعث بهبود تصمیم گیری در بخش های مختلف منابع آب می شود. روش های مختلف داده مبنا به همین منظور موثر می باشند و به صورت فراگیر مورد استفاده قرار می گیرند. روش K همسایه نزدیک (KNN) یک روش یادگیری غیر پارامتری موثر است که در حل مسائل مختلف مورد استفاده قرار می گیرد. در این پژوهش، یک روش جدید برای انتخاب همسایه ها به نام K همسایه نزدیک پویا (DKKN) معرفی شده که از یک فاصله بهینه شده برای انتخاب تعداد متفاوتی از همسایه در هر مورد از پیش بینی به جای یک عدد ثابت، استفاده می کند. الگوریتم بهینه سازی ازدحام ذرات (PSO) برای بهینه سازی فاصله و بهبود نتایج استفاده شده است. عملکرد روش پیشنهادی با به کارگیری 2 سال داده ورودی روزانه سد قشلاق در غرب ایران مورد ارزیابی قرار گرفته است. نتایج نشان می دهد روش پیشنهادی دقت پیش بینی را با کاهش خطای کلی (RMSE) به میزان 4.6 %، بهبود می دهد و مزایای بیشتری نسبت به KNN دارد

Keywords:

و KNN , پیش بینی جریان , Dynamic , Data Driven