تاثیر کاهش نویز در تحلیل آشوبی جریان رودخانه نازلوچای

چکیده:
با توجه به ماهیت دینامیک و غیر خطی جریان رودخانه، می توان انتظار داشت که سری زمانی جریان رودخانه از یک سیستم دینامیکی قطعی آشوبی به دست آمده باشد. با توجه به اینکه سری های زمانی به دست آمده از پدیده های طبیعی عموما با نویز مخدوش شده اند، وجود نویز فرآیند تحلیل های آشوبی و در نهایت پیش بینی سری های زمانی را با محدودیت هایی مواجه می سازد. بنابراین در این تحقیق با استفاده از آمار دبی های روزانه رودخانه نازلوچای در دوره مهر 1369 تا شهریور 1391، تحلیل آشوبی شامل بررسی وجود آشوب با استفاده از روش بعد همبستگی و نیز شبیه سازی جریان رودخانه با استفاده از مدل تقریب موضعی انجام پذیرفت. سپس به منظور بررسی تاثیر نویز در فرآیند تحلیل ها، کاهش نویز سری زمانی به روش غیر خطی مبتنی بر بازسازی فضای حالت انجام گرفت. نتایج نشان دهنده کاهش 07/6 درصدی بعد همبستگی و افزایش دقت مدل تقریب موضعی برای سری نویز زدایی شده نسبت به سری اصلی داده ها (افزایش09/1 درصدی R2 و کاهش 48 درصدی RMSE) بود. در نهایت با استفاده از مدل منتخب شبیه سازی، پیش بینی جریان رودخانه با استفاده از سری اصلی و سری نویز زدایی شده برای سال آبی 92-91 انجام گرفت. نتایج مدل پیش بینی با استفاده از سری نویززدایی شده دارای دقت بیشتری نسبت به مدل با استفاده از سری اصلی بود.
زبان:
فارسی
صفحات:
239 تا 250
لینک کوتاه:
magiran.com/p1763788 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!