مقایسه کارایی مدل شبکه عصبی مصنوعی، سری زمانی و مدل ترکیبی ANN-ARIMA در مدلسازی و پیشبینی شاخص منبع آب زیرزمینی (GRI) (مطالعه موردی: جنوب استان قزوین)
نویسندگان
چکیده مقاله:
خشکسالی آب زیرزمینی یکی از انواع خشکسالی است که در اثر تغذیه ناکافی مخازن سفره‌های آب زیرزمینی بوجود آمده و شاخص منبع آب زیرزمینی (GRI) به عنوان روشی برای بیان وضعیت سطح آب زیرزمینی محسوب می‌شود. تاکنون روش‌ها و مدلهای مختلفی برای پیشبینی و مدلسازی این پدیده ارائه شده است اما از آنجا که انتخاب یک مدل مناسب کار مشکلی می‌باشد می‌توان به جای استفاده از یک مدل؛ ترکیبی از مدلهای منفرد قابل قبول را مورد استفاده قرار داد تا بتوان به پیشبینی مناسبت‌تر و قابل اعتماد‌تری دست یافت. در این تحقیق پس از محاسبه مقادیر GRI طی دوره آماری(1363-1390) در جنوب استان قزوین و بررسی ارتباط آن با پارامترهای هواشناسی (بارندگی، دبی، تبخیروتعرق پتانسیل، دما (میانگین، ماکزیمم، مینیمم)) و سیگنال‌های اقلیمی ( MEI، SOI، AMM، AMO و PDO)، با استفاده از آزمون گاما در سه ساختار ترکیب ورودی، اقدام به مدلسازی با شبکه عصبی مصنوعی گردید. نتایج نشان داد که سیگنال اقلیمی SOI و پارامترهای دمایی دارای بیشترین همبستگی معنی دار با مقادیر GRI می‌باشند. استفاده از پارامترهای هواشناسی نیز سبب بهبود عملکرد شبکه عصبی گردید. همچنین مدل سریزمانیARIMA(1,1,3)(2,0,1) با توجه به معیارهای ارزیابی آکاییک و شوارتز به عنوان مدل منتخب تعیین گردید. در نهایت نیز مدلسازی با مدل ترکیبی ANN-ARIMA انجام گرفت که عملکرد بهتری نسبت به دو مدل شبکه عصبی و سری زمانی نشان داد. (R2=0.94, RMSE= 0.05)
منابع مشابه
کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیشبینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)
پیشبینی نوسانات سطح آب زیرزمینی، برای برنامهریزی مناسبتر بهویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیشبینی نوسانات سطح آب زیرزمینی در دشت مروست از مدلهای سری زمانی و شبکه عصبی استفاده شد. برای مدلسازی، اطلاعات سطح آب زیرزمینی در طی سالهای 88-1366 استفاده و مدلهای مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر دادهها برازش داده شد. کارآیی و دقت مدلهای آریما در پیش...
متن کاملکاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)
پیشبینی نوسانات سطح آب زیرزمینی، برای برنامهریزی مناسبتر بهویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیشبینی نوسانات سطح آب زیرزمینی در دشت مروست از مدلهای سری زمانی و شبکه عصبی استفاده شد. برای مدلسازی، اطلاعات سطح آب زیرزمینی در طی سالهای 88-1366 استفاده و مدلهای مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر دادهها برازش داده شد. کارآیی و دقت مدلهای آریما در پیش...
متن کاملمقایسه روشهای سری زمانی و شبکه عصبی مصنوعی در پیشبینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه)
تبخیر-تعرق یکیازمؤلفههایمهمدرمصرفمنابعآب در بخش کشاورزیمیباشد. لذا ارائه روشی که پیشبینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، میتواند در اخذتصمیم بهینهبرایبرنامهریزی منابع آب کمککند. دراینتحقیق،روشهای سری زمانی و شبکههای عصبی مصنوعی درپیشبینیتبخیر-تعرق مرجع ماهانهدرایستگاهسینوپتیک ارومیهموردمقایسه قرار گرفتند. بدین منظور در گام نخست بهترین مدل سری زمانی از بین مدلهای A...
متن کاملمقایسه کارایی روش های شبکه عصبی و سری های زمانی در پیش بینی سطح آب زیرزمینی (مطالعه موردی: زیرحوزه بختگان استان فارس)
متن کامل
پیشبینی زمانی و مکانی سطح آب زیرزمینی با استفاده از مدل ترکیبی سری زمانی- زمین
To procure the status of groundwater level fluctuations in arid and semi-arid areas, it is necessary to obtain accurate forecast of fluctuations data. Time series as a linear model have been utilized to generate synthetic data and predict future groundwater level. Minitab17 software and monthly depth of groundwater level data of 20 years (1991-2011) for 25 piezometric wells of plain were used. ...
متن کاملبررسی عملکرد شبکه عصبی¬مصنوعی و سری¬های زمانی در مدل¬سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه¬های منتخب استان خوزستان)
خشکسالی پدیدهای طبیعی است که میتواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازههای طبیعی وارد آورد. در این تحقیق به منظور پیشبینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکههای عصبیمصنوعی، پرسپترون چند لایه و تابع پایهی شعاعی و مدلهای سریزمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دورههای سه، شش، نه و دوازده ماههی ایستگاههای منتخب استان خوزستان محا...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 10 شماره 33
صفحات 47- 57
تاریخ انتشار 2016-07
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023