پیش بینی جریان ماهانه رودخانه با استفاده از رویکرد ترکیبی موجک-درخت M5
Publish place: 18th Iranian Hydraulics Conference
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 323
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IHC18_171
تاریخ نمایه سازی: 11 اسفند 1398
Abstract:
پیش بینی جریان در ارتقا کیفیت مدیریت و بر نام هریزی منابع آب، نقشی اساسی دارد که با شناخت هوش مصنوعی، قابلیت آن در این زمینه، طی تحقیقات زیادی مورد بررسی قرار گرفته و سرعت و دقت نسبتا بالا ی آن ثابت شده است. در این پژوهش، قابلیت رویکرد ترکیبی موجک- درخت M5 در پیش بینی جریان ماهانه ی رودخانه خشک رود با استفاده از داده های هواشناسی و هیدرومتری، ارزیابی شده است. طی پیش پردازش داده ها با استفاده از تبدیل موجک و انجام تحلیل حساسیت مدل، با اعمال مرحله ای داده های هواشناسی به آن، مشخص شده که فرآیند پیش پردازش، عاملی بسیار موثر در عملکرد مدل M5 است، به طوری که سبب کاهش جذر میانگین مربعات خطا از 1/374 به 0/456 در زمان پیش بینی 1 و از 1/465 به 0/920 در زمان پیش بینی 3 می شود. همچنین استفاده از داده های هواشناسی برای جبران نواقص اطلاعات زمان های بلند مدت و تبدیل موجک نامتناسب با سری زمانی کار بردی است و میزان اهمیت نوع آن ها بسته به قابلیت مدل اصلی، می تواند یکسان و یا متغیر باشد.
Keywords:
Authors
فریبا آذرپیرا
دانشج وی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته
سجاد شهابی
دانشکده ی مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته