بررسی عدم قطعیت مدل های داده مبنا در پیش بینی دبی ماهانه حبله رود
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 51، شماره: 5
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 118
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-51-5_016
تاریخ نمایه سازی: 2 خرداد 1402
چکیده مقاله:
مدیریت مناسب حوضه های آبریز نیازمند در اختیار داشتن پیش بینی های دقیق و قابل اطمینان از دبی رودخانه هاست. در سالیان اخیر، مدل های داده مبنا و به ویژه مدل های مبتنی بر هوش مصنوعی، در زمینه های مختلف مرتبط با منابع آب با موفقیت مورد استفاده قرار گرفته اند. با این وجود، تحلیل عدم قطعیت این مدل ها کمتر مورد توجه قرار گرفته است. در مطالعه حاضر، عدم قطعیت خروجی پنج مدل مبتنی بر هوش مصنوعی شامل مدل هایی از نوع ماژولار، PCA، TLRN، ANFIS و SVM در پیش بینی دبی ماهانه حبله رود، با استفاده از کمیت های ۹۵PPU، p-factor و d-factor مورد بررسی قرار گرفته است. با استفاده از داده های ثبت شده از متغیرهای هواشناسی و دبی طی سال های ۲۰۱۲-۱۹۹۸ در حوضه آبریز حبله رود در شرق استان تهران، ساختارهای متفاوتی از مدل ها مورد آموزش و آزمون قرار گرفتند. مقادیر نهایی p-factor و d-factor برای هر کدام از پنج مدل مورد بررسی محاسبه شد. نتایج نشان داد SVM با p-factor نهایی معادل با ۸۲ درصد در مرحله آزمون، قابل اعتمادترین مدل برای پیش بینی دبی ماهانه در حوضه مورد بررسی است.
کلیدواژه ها:
نویسندگان
جابر صالح پور
گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران
افشین اشرف زاده
گروه مهندسی آب، دانشکده علوم کشاورزی دانشگاه گیلان، رشت، ایران
سید علی موسوی
مربی- گروه مهندسی آب - دانشگاه گیلان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :