gmdh algorithm
در نشریات گروه عمران-
پیش بینی کوتاه مدت نرخ جریان رودخانه ها اهمیت فراوانی در مدیریت منابع آب و کنترل سیلاب دارد. یکی از مشکلاتی که محققین در این نوع از پیش بینی ها همواره با آن مواجه هستند؛ نبود یک بانک داده ای دقیق و با تفکیک پذیری زمانی بالا می باشد. فناوری تیکه نگاری صوتی یکی از روش های داده برداری نوین است که علاوه بر دقت بالای داده های برداشت شده دارای تفکیک پذیری زمانی بالایی نیز است؛ بنابراین با کاربرد داده های برداشت شده با استفاده از این فناوری به همراه یک مدل پیش بینی مناسب می توان به یک پیش بینی کوتاه مدت دقیق از نرخ جریان رودخانه ها دست یافت. در این تحقیق تاثیر کاربرد داده های برداشت شده توسط فناوری تیکه نگاری صوتی در پیش بینی کوتاه مدت نرخ جریان توسط مدل ترکیبی الگوریتم دسته بندی گروهی داده ها، بررسی شده و با داده های به دست آمده از روش دبی-اشل مقایسه شده است. به منظور جلوگیری از بیش برازش شدن مدل پیش بینی از معیار اعتبارسنجی کا-فولد استفاده شده است. نتایج این تحقیق نشان داد که کاربرد داده های تیکه نگاری صوتی باعث افزایش دقت پیش بینی کوتاه مدت می شود؛ به طوری که ضریب نش- ساتکلیف برای پیش بینی 1، 6، 12، 24، 48 و 72 ساعته دبی بر روی داده های برداشت شده با روش تیکه نگاری صوتی به ترتیب (98/0، 96/0، 94/0، 88/0، 73/0 و 54/0) به دست آمد. درحالی که این مقادیر برای داده های برداشت شده با روش دبی - اشل به ترتیب (97/0، 84/0، 61/0، 27/0، 12/0 و 11/0) محاسبه شد. از دلایل بالا بودن دقت پیش بینی انجام شده بر روی داده های تیکه نگاری صوتی نسبت به داده های دبی- اشل می توان به تفکیک پذیری زمانی بالا و دقت بیشتر داده های برداشت شده توسط تیکه نگاری صوتی نسبت به دبی- اشل اشاره کرد.
کلید واژگان: الگوریتم دسته بندی گروهی داده ها، پیش بینی کوتاه مدت، فناوری تیکه نگاری صوتی، دبی اشل، الگوریتم جی ام دی اچShort-term forecasting of streamflow is one of the most important goals in water resources management and flood control. However, one of the problems that researchers always face in this type of prediction is the Lack of an accurate and high time resolution database. The Fluvial Acoustic Tomography (FAT) is an innovative method of data gathering which has both high accuracy and high-resolution time. Therefore, by using the data collected from this technology with a suitable forecast model, accurate short-term streamflow forecasting can be achieved. In this research, the effect of FAT data on short-term streamflow forecasting by Combinatorial GMDH Algorithm (CGA) has been investigated and compared with one obtained from the Rating Curve method. The k-fold cross-validation criterion has been used to prevent over-fitting. The results showed that the FAT data increases the accuracy of short-term forecasting. As an example, the Nash-Sutcliffe coefficient (ENS) for the 1, 6, 12, 24, 48, and 72 hours forecast were 0.98, 0.96, 0.94, 0.88, 0.73, and 0.54, respectively. While these values for the Rating Curve ones were 0.97, 0.84, 0.61, 0.27, 0.12, and 0.11, respectively.
Keywords: GMDH Algorithm, short-term forecasting, Acoustic tomography, Rating Curve, algorithm
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.