پیش بینی بلند مدت جریان رودخانه با استفاده از روش تحلیل طیف تکین در حوضه کرخه

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 92

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-48-2_008

تاریخ نمایه سازی: 31 مرداد 1402

چکیده مقاله:

در ده های گذشته روش های مختلفی برای تجزیه و تحلیل و پیش بینی متغیرهای فیزیکی استفاده شده است. یکی از آنها، روش آماری تحلیل طیف تکین (SSA) می باشد. SSA از روش های مورد استفاده در مدل سازی فرایندهای مختلف آماری است و اخیرا استفاده از آن در رشته های مختلف مهندسی از جمله منابع آب به منظور حذف اجزاء تصادفی موجود در سری های زمانی گسترش یافته است. هدف اصلی از این تحقیق پیش بینی مقادیر جریان رودخانه های حوضه کرخه با استفاده از روش SSA می-باشد. ابتدا ایستگاه های شاخص در حوضه کرخه (پنج ایستگاه) برای این کار انتخاب گردید. دوره پر آبی ایستگاه ها تعیین شد. برای مدل سازی ۷۰ درصد داده ها برای واسنجی و ۳۰ درصد داده ها برای صحت سنجی در نظر گرفته شد. ابتدا از روش SSA برای پردازش اولیه داده ها و حذف نوفه موجود در سری های زمانی جریان رودخانه استفاده شد. سپس از الگوریتم بازگشتی روش SSA برای ساخت مدل پیش بینی آبدهی رودخانه در ایستگاه های حوضه کرخه استفاده شد. برای بررسی عملکرد مدل از معیار جذر میانگین مربعات خطا نرمال شده، میانگین قدرمطلق خطای نسبی و ضریب همبستگی استفاده گردید. در مرحله صحت-سنجی بیشترین مقدار آماره NRMSE و MARE به ترتیب برابر ۰.۴۷ و ۰.۵برای ایستگاه های پل چهر بود. کمترین مقدار آماره NRMSE برای ایستگاه پل دختر و چم انجیر نزدیک به هم و برابر ۰.۳ و ۰.۳۱ و کمترین مقدار آماره MARE برای ایستگاه چم انجیر و پل دختر، نزدیک به هم و برابر ۰.۲۹ و ۰.۳۰ بود. در نهایت بهترین و ضعیف ترین نتیجه در دو مرحله واسنجی و صحت سنجی به ترتیب برای ایستگاه های چم انجیر و پل چهر به دست آمد. بر اساس نتایج این تحقیق می توان با به کارگیری روش SSA مقادیر جریان رودخانه را با دقت مناسب پیش بینی نمود.

کلیدواژه ها:

نویسندگان

فرید فروغی

دانشجوی دکتری پردیس کشاورزی و منابع طبیعی کرج- دانشگاه تهران و مربی دانشگاه شیراز

شهاب عراقی نژاد

هیات علمی / دانشگاه تهران

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 :
  • Akbarinia, M. (۲۰۱۲). Long Lead Stream flow Forecasting using data-driven ...
  • Broomhead, D. S., and King, G. P. (۱۹۸۶). Extracting qualitative ...
  • Broomhead, D. S., King, G. P., and Pike, E. R. ...
  • Danilov, D. (۱۹۹۷). Principal components in time series forecast. Journal ...
  • Golyandina, N., Nekrutkin, V., and Zhiglovsky, A. (۲۰۰۱). Analysis of ...
  • Hajibigloo, M., Ghezelsofloo, A. A., and Alimirzaei, H. (۲۰۱۳). Discussion ...
  • Hassani, H. (۲۰۰۷). Singular Spectrum Analysis: Methodology and Comparison. Journal ...
  • Hassani, H., Mahmoudvand, R., and Yarmohammadi, M. (۲۰۱۰). Filtering and ...
  • Hassani, H. Mahmoudvand, R. and Zokaei, M. (۲۰۱۱). Separability and ...
  • Hassani, H., and Thomakos, D. (۲۰۱۰). A review on singular ...
  • Jamab Consulting Engineers. (۲۰۰۶). Water balance report of Karkheh River ...
  • Lisi, F. Nicolis, O., and Sandri, M. (۱۹۹۵). Combining singular-spectrum ...
  • Marques, C. A. F., Ferreira, J. A., Rocha, A., Castanheira, ...
  • Meidani, E. (۲۰۱۲). Long lead streamflow forecasting using statistical methods: ...
  • Sivapragasam, C., Liong, S. Y., and Pasha, M. F. K. ...
  • Vautard, R., and M. Ghil. (۱۹۸۹). Singular spectrum analysis in ...
  • Wu, C. L., Chau, K. W., and Fan, C. (۲۰۱۰). ...
  • نمایش کامل مراجع