مقایسه ی شبیه ها و روشهای مختلف پیش بینی ماهانه ی جریان مبتنی بر هوش مصنوعی

نویسندگان

  • حبیب اکبری الاشتی نویسنده
چکیده مقاله:

پیش بینی دقیق جریان در رود ها از اهمیت بسزایی در مدیریت منابع آبهای سطحی برخوردار می باشد؛ به همین دلیل، همواره تلاشهای زیادی برای طراحی و معرفی شبیه های دقیق پیش بینی صورت گرفته است. در تحقیق حاضر با استفاده از شبیه های خود همبسته ی میانگین متحرک با ورودیهای غیر تصادفی (ARMAX)، ANN و GP برای پیش بینی ماهانه ی جریان به دو روش پیش بینی زنجیره ی زمانی و پیش بینی ماهانه ی مجزای جریان رود سعید آباد واقع در استان آذربایجان شرقی استفاده شده است. سپس، ضمن مقایسه نتایج حاصله از این شبیه ها در هریک از روشهای پیش بینی، عملکرد دو روش پیش-بینی زنجیره ی زمانی آبدهی و پیش بینی ماهانه ی مجزای جریان، نسبت به یکدیگر ارزیابی شده است. برای ارزیابی شبیه ها و روشهای پیش بینی از دو معیار ارزیابی کارآیی ضریب تبیین (R2)، و جذر میانگین مربعات خطا (RMSE) استفاده شده است. نتایج حاکی از کارایی مناسب و دقت بالای GP در مقایسه با ANN و ARMAX در پیش بینی ماهانه ی جریان رود ها در هر دو روش پیش بینی زنجیره ی زمانی و پیش بینی ماهانه مجزا می باشد. بطوری که شبیه GP در پیش بینی زنجیره ی زمانی آبدهی، با R2 برابر با 7/0 و RMSE برابر با 172/0 نسبت به ANN با R2 برابر با 627/0 و RMSE برابر با 193/0 و ARMAX با R2 برابر با 595/0 و RMSE برابر با 243/0 از عملکرد بهتری برخوردار است. در پیش بینی ماهانه ی مجزا هم این برتری برای بیشتر ماهها دیده می شود. در مقایسه ی دو روش پیش بینی ماهانه ی جریان، نتایج نشان دادند که می توان از روش پیش بینی ماهانه ی مجزا نسبت به روش پیش بینی زنجیره ی زمانی به عنوان یک روش پیش بینی با دقت بیشتر و کارایی بالاتر نام برد.  

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

Survey of the nutritional status and relationship between physical activity and nutritional attitude with index of BMI-for-age in Semnan girl secondary school, winter and spring, 2004

دیکچ ه باس فده و هق : ب یناوجون نارود رد هیذغت تیعضو یسررب ه زا ،نارود نیا رد یراتفر و یکیزیف تارییغت تعسو لیلد ب تیمها ه تسا رادروخرب ییازس . یذغتءوس نزو هفاضا ،یرغلا ،یقاچ زا معا ه هیذغت یدق هاتوک و یناوـجون نارود رد یا صخاش نییعت رد ب نارود رد یرامیب عون و ریم و گرم یاه م یلاسگرز ؤ تـسا رث . لماوـع تاـعلاطم زا یرایسـب لـثم ی هتسناد طبترم هیذغت عضو اب بسانم ییاذغ تاداع داجیا و یتفایرد یفاضا...

متن کامل

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

متن کامل

پیش بینی سیل حوضه ی آبخیز قره آقاج با کاربرد سامانه ی شبیه سازی آبخیز(WMS)

سیل ویرانگرترین بلایای طبیعی بوده و تلفات جانی و مالی فراوانی را به بار آورده است. WMS از جمله شبیه‌های جدید و جامع می‌باشد که با تلفیق امکانات GIS و شبیه‌های متنوع آب‌شناسی و دانش مایعات توانسته است به‌عنوان ابزاری قدرتمند در زمینه‌ی شبیه‌سازی و مدیریت حوضه‌ی آبخیز مورد استفاده قرار گیرد. در این مطالعه، کاربرد WMS در حوضه‌ی آبخیز قره‌آقاج واقع در نیمه‌ی جنوبی استان فارس مورد بررسی قرار گرفت. م...

متن کامل

مقایسه مدلهای خودهمبسته شبکه عصبی مصنوعی دینامیک و استاتیک در پیش بینی جریان ماهانه ورودی به مخزن سد دز

در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیش­بینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج  به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدل‌های استاتیک و دینامیک در شبکه‌های عصبی مصنوعی صورت نگرفته است. ضمناً تحقیق حاضر از حیث خودهمبستگی مدل شبکه عصبی مصنوعی، دارای نوآوری می‌باشد. در این تحقیق آبدهی های ماهانه بین ...

متن کامل

مقایسه قدرت پیش بینی بحران مالی توسط تکنیک های مختلف هوش مصنوعی

امروزه پیشرفت سریع فن‌آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش‌بینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصبی) است. بر اساس اطلاعات و آمارهای در دسترس شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره 1389-1376، از بین شرکت‌ها...

متن کامل

منابع 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 5  شماره 13

صفحات  37- 55

تاریخ انتشار 2012-06-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023