مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

681
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

568
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی جریان ماهیانه رودخانه با استفاده از مدل های داده مبنا (یادداشت فنی)

صفحات

 صفحه شروع 207 | صفحه پایان 214

چکیده

 در سال های اخیر, تکنیک های مدل سازی داده مبنا کاربردهای فراوانی در مطالعات هیدرولوژی و مهندسی منابع آب یافته اند. توسعه مدل های برآورد یا پیش بینی رواناب رودخانه, یکی از زمینه های مطالعاتی است که این تکنیک ها در آن کاربرد زیادی دارند. در مطالعه حاضر, چهار تکنیک مدل سازی داده مبنا, شامل رگرسیون خطی چندگانه, K نزدیک ترین همسایه, شبکه های عصبی مصنوعی و سیستم های استنتاج عصبی - فازی تطبیقی به منظور تشکیل مدل های پیش بینی رواناب مورد استفاده قرار گرفته و نتایج حاصل بررسی شده است. همچنین تاثیر انتخاب چند سناریوی مختلف در انتخاب متغیرهای ورودی ارزیابی شده است. نتایج به دست آمده حاکی از آن است که استفاده از داده های جریان ماه های قبل در مجموعه داده های مورد استفاده جهت پیش بینی می تواند سبب بهبود دقت نتایج مدل ها شود. به علاوه, مقایسه عملکرد کلی تکنیک های مدل سازی, بیانگر برتری نتایج حاصل از به کارگیری تکنیک KNN نسبت به سایر تکنیک ها می باشد. در میان مدل های برگزیده تکنیک های مختلف نیز, مدل برگزیده KNN برای حالت استفاده از داده های جریان با ضریب همبستگی خطی 0.84 بین داده های مشاهداتی جریان و پیش بینی های مدل و مقدار شاخص خطای RMSE برابر 2.64 بهترین عملکرد را به نمایش گذاشت.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    آهنی، علی، و شوریان، مجتبی. (1396). پیش بینی جریان ماهیانه رودخانه با استفاده از مدل های داده مبنا (یادداشت فنی). تحقیقات منابع آب ایران، 13(2 )، 207-214. SID. https://sid.ir/paper/99839/fa

    Vancouver: کپی

    آهنی علی، شوریان مجتبی. پیش بینی جریان ماهیانه رودخانه با استفاده از مدل های داده مبنا (یادداشت فنی). تحقیقات منابع آب ایران[Internet]. 1396؛13(2 ):207-214. Available from: https://sid.ir/paper/99839/fa

    IEEE: کپی

    علی آهنی، و مجتبی شوریان، “پیش بینی جریان ماهیانه رودخانه با استفاده از مدل های داده مبنا (یادداشت فنی)،” تحقیقات منابع آب ایران، vol. 13، no. 2 ، pp. 207–214، 1396، [Online]. Available: https://sid.ir/paper/99839/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button