پیش بینی جریان روزانه رودخانه نوران چای با استفاده از مدل ترکیبی شبکه های عصبی مصنوعی- تجزیه مولفه های اصلی
محل انتشار: فصلنامه دانش آب و خاک، دوره: 25، شماره: 3
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 176
فایل این مقاله در 12 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_WASO-25-3_005
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
پیشبینی دقیق جریان روزانه، نقش بهسزایی در مدیریت کارآمد منابع آب ایفا میکند. به این منظور در این تحقیق سعی شده است که جهت مدلسازی هرچه دقیقتر فرآیند پیش بینی جریان روزانه رودخانه نورانچای واقع در حوضه آتشگاه، از شبکههای عصبی مصنوعی (ANN) استفاده گردد. همچنین به منظور افزایش کارآیی ANN از تجزیه مولفه های اصلی (PCA) جهت پیش پردازش دادههای ورودی استفاده گردیده و درنهایت دادههای خروجی حاصل، با نتایج مدل رگرسیون خطی چند متغیره (MLR) مقایسه شده است. نتایج نشان داد که مدل ترکیبی ANN-PCA در قیاس با مدل ANN منفرد و MLR از دقت بسیار بالایی برخوردار است. بهطوریکه نتایج معیارهای ارزیابی شامل ضریب همبستگی (CC)، ضریب راندمان (EC) و جذر میانگین مربعات خطاها (RMSE) برای مدل ترکیبی ANN-PCA (در مرحله صحتسنجی) برابر ۹۹۵۹/۰=CC، ۹۹۰۵/۰=EC و ۰۰۷۱/۰=RMSE، مدل ANN منفرد (در مرحله صحتسنجی) برابر ۹۰۹۳/۰=CC، ۸۲۶۹/۰=EC و ۰۴۰۵/۰=RMSE و مدل MLR برابر ۸۸۶۶/۰=CC، ۷۸۶۰/۰=EC و ۰۹۲۶/۰=RMSE به دست آمدند. همچنین استفاده از PCA به عنوان یک روش موثر جهت پیش پردازش دادهها، با ایجاد مولفه های مستقل از هم موجب از بین رفتن هم خطی چندگانه میشود. بنابراین PCA موجب افزایش کارآیی مدل ANN میگردد.
کلیدواژه ها:
پیش بینی جریان روزانه ، تجزیه به مولفه های اصلی ، حوضه آتشگاه ، رگرسیون خطی چند متغیره ، شبکه های عصبی مصنوعی
نویسندگان
یوسف حسن زاده
استاد، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
امین عبدی کردانی
۲- دانشجوی دکتری، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
مریم شفیعی نجد
دانشجوی کارشناسی ارشد، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
سعید خوش طینت
کارشناس ارشد، دانشکده عمران، دانشگاه آزاد اسلامی واحد مهاباد