پیش بینی جریان رودخانه با انتخاب پویای نزدیکترین همسایه‌ها در روش KNN
کد مقاله : 1222-IHA
نویسندگان:
احسان ابراهیمی *1، مجتبی شوریان2
1دانشکده عمران، آب و محیط زیست ، پردیس فنی، دانشگاه شهید بهشتی ، تهران، ایران
2دانشکده مهندسی عمران
چکیده مقاله:
پیش بینی جریان رودخانه یکی از مهمترین بخش‌های برنامه‌ریزی منابع آب و سیستم‌های هشدار سیل می‌باشد که افزایش دقت آن باعث بهبود تصمیم گیری در بخش های مختلف منابع آب می شود. روش‌های مختلف داده مبنا به همین منظور موثر ‌می‌باشند و به صورت فراگیر مورد استفاده قرار می گیرند. روش K همسایه نزدیک (KNN) یک روش یادگیری غیر پارامتری موثر است که در حل مسائل مختلف مورد استفاده قرار می گیرد. در این پژوهش، یک روش جدید برای انتخاب همسایه‌ها به نام K همسایه نزدیک پویا (DKKN) معرفی شده که از یک فاصله بهینه شده برای انتخاب تعداد متفاوتی از همسایه در هر مورد از پیشبینی به جای یک عدد ثابت، استفاده ‌می‌کند. الگوریتم بهینه‌سازی ازدحام ذرات (PSO) برای بهینه سازی فاصله و بهبود نتایج استفاده شده است. عملکرد روش پیشنهادی با به کارگیری 2 سال داده ورودی روزانه سد قشلاق در غرب ایران مورد ارزیابی قرار گرفته است. نتایج نشان ‌می‌دهد روش پیشنهادی دقت پیشبینی را با کاهش خطای کلی (RMSE) به میزان 4.6%، بهبود ‌می‌دهد و مزایای بیشتری نسبت به KNN دارد.
کلیدواژه ها:
KNN، پیشبینی جریان، Dynamic، Data Driven
وضعیت : مقاله برای ارائه به صورت پوستر پذیرفته شده است