ارزیابی مدل های رگرسیونی و نروفازی موجکی در برآورد مصرف آب شهری (مطالعه موردی: شهرکرمان)

پیام:
نوع مقاله:
مطالعه موردی (دارای رتبه معتبر)
چکیده:

پیش بینی میزان مصرف آب در مناطق شهری اهمیت کلیدی در مدیریت عرضه آب دارد. مدل پیش بینی مصرف آب می‌تواند در برنامه‌ریزی منابع آب و گسترش زیر ساخت‌ها و همچنین بهبود کنترل و بهره-برداری از سیستم‌های منابع آب استفاده شود. در این تحقیق عملکرد مدل‌های رگرسیون خطی چند متغیره، سیستم استنتاج نروفازی ‌تطبیقی، رگرسیون موجکی و نروفازی موجکی در پیش‌بینی تقاضای آب شهرکرمان مورد ارزیابی قرارگرفت. بدین منظور برای پیش‌بینی مصرف آب هفتگی شهر کرمان از داده‌‌های 12‌ سال (1396 - 1385) مصرف آب هفتگی و پارامترهای هواشناسی (حداکثر دما و مجموع بارش هفتگی) استفاده گردید. از داده‌های سال‌های 1385 تا 1393 (469 هفته) به منظور آموزش و داده‌های سال‌های 1394 تا 1396 (157 هفته) برای شبیه‌سازی استفاده گردید. در مدل‌های رگرسیون موجکی و نروفازی موجکی سری-های زمانی مصرف آب، حداکثر دما و بارش، توسط انتقال گسسته موجک به زیر سری‌های تقریب و جزییات در سطوح مختلف تجزیه گردید و به عنوان ورودی مدل‌های مبتنی بر موجک به‌کار گرفته شد. عملکرد مدل-ها توسط شاخص‌های آماری ضریب همبستگی، ضریب تعیین، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا ارزیابی گردید. نتایج بدست آمده نشان می‌دهند که مدل‌ رگرسیون موجکی (0/92 = R2) و مدل نروفازی موجکی (0/94 = R2) در مقایسه با سایر مدل‌ها از عملکرد بسیار بالاتری برخوردار می‌باشند.

زبان:
فارسی
صفحات:
71 تا 84
لینک کوتاه:
magiran.com/p2200921 
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!