احمدی, فرشاد. (1399). ارزیابی عملکرد روش‌های ماشین‌بردار پشتیبان و سیستم استنتاج عصبی فازی تطبیقی در پیش‌بینی جریان ماهانه رودخانه‌ها (مطالعه موردی رودخانه‌های نازلو و سزار). , 51(3), 673-686. doi: 10.22059/ijswr.2019.290994.668356
فرشاد احمدی. "ارزیابی عملکرد روش‌های ماشین‌بردار پشتیبان و سیستم استنتاج عصبی فازی تطبیقی در پیش‌بینی جریان ماهانه رودخانه‌ها (مطالعه موردی رودخانه‌های نازلو و سزار)". , 51, 3, 1399, 673-686. doi: 10.22059/ijswr.2019.290994.668356
احمدی, فرشاد. (1399). 'ارزیابی عملکرد روش‌های ماشین‌بردار پشتیبان و سیستم استنتاج عصبی فازی تطبیقی در پیش‌بینی جریان ماهانه رودخانه‌ها (مطالعه موردی رودخانه‌های نازلو و سزار)', , 51(3), pp. 673-686. doi: 10.22059/ijswr.2019.290994.668356
احمدی, فرشاد. ارزیابی عملکرد روش‌های ماشین‌بردار پشتیبان و سیستم استنتاج عصبی فازی تطبیقی در پیش‌بینی جریان ماهانه رودخانه‌ها (مطالعه موردی رودخانه‌های نازلو و سزار). , 1399; 51(3): 673-686. doi: 10.22059/ijswr.2019.290994.668356

ارزیابی عملکرد روش‌های ماشین‌بردار پشتیبان و سیستم استنتاج عصبی فازی تطبیقی در پیش‌بینی جریان ماهانه رودخانه‌ها (مطالعه موردی رودخانه‌های نازلو و سزار)

تحقیقات آب و خاک ایران
مقاله 11، دوره 51، شماره 3، خرداد 1399، صفحه 673-686    اصل مقاله (1.6 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/ijswr.2019.290994.668356
نویسنده
فرشاد احمدی*
استادیار گروه هیدرولوژی و مهندسی منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، اهواز، ایران
چکیده
در سال­های اخیر با رشد فناوری، روش­های نوین برای حل مسائل غیرخطی نظیر پیش­بینی جریان رودخانه­ها به صورت قابل ملاحظه­ای توسعه یافته است. از جمله روش­هایی که اخیراً توسط محققان مختلف در این زمینه مورد استفاده قرار گرفته است مدل­های ماشین بردار پشتیبان (SVM) و سیستم استنتاج عصبی فازی تطبیقی (ANFIS) می­باشد. در این مطالعه از روش­های مذکور برای پیش­بینی جریان ماهانه رودخانه­های نازلوچای و سزار در دوره آماری 1395-1335 استفاده شد. در ابتدا الگوهای ورودی در دو حالت الف) استفاده از داده­های جریان و در نظر گرفتن نقش حافظه و ب) تاثیر دادن ترم پریودیک آماده و به مدل­ها معرفی گردید. مدل‌سازی براساس 80 درصد داده‌های تاریخی ثبت شده صورت ‌گرفت (576 ماه) و با 20 (144 ماه) درصد بقیه ارزیابی گردید. عملکرد مدل­های به کار رفته با شاخص­های آماری مجذور میانگین مربعات خطا (RMSE)، نش- ساتکلیف (NS) و میانگین قدر مطلق خطای نسبی (MARE)، مورد بررسی قرار گرفت. نتایج حاصل نشان داد که روش SVM با تابع کرنل RBF بیش­ترین دقت را در پیش­بینی جریان ماهانه هر دو رودخانه داشته و استفاده از ترم پریودیک توانسته است عملکرد آن را به طور قابل ملاحظه­ای افزایش دهد. همچنین کارایی مدل ANFIS نیز با استفاده از ترم پریودیک بهبود یافته و در محل ایستگاه تپیک در الگوی M7 و برای جریان رودخانه سزار با الگوی M6 کمترین خطا را در پیش­بینی جریان داشته است. به طور کلی نتایج این مطالعه نشان داد که روش SVM از عملکرد بهتری نسبت به مدل ANFIS در پیش­بینی جریان برخوردار بوده و انتخاب تابع کرنل مناسب تاثیر مستقیمی بر کارایی آن دارد.
کلیدواژه‌ها
اثر پریودیک؛ تابع خود همبستگی جزئی؛ تابع عضویت؛ تابع کرنل
مراجع
آمار
تعداد مشاهده مقاله: 1,181
تعداد دریافت فایل اصل مقاله: 776