پیش بینی جریان ماهانه رودخانه با استفاده از رویکرد ترکیبی موجک-درخت M5
کد مقاله : 1243-IHA
نویسندگان:
فریبا آذرپیرا *1، سجاد شهابی2
1گروه آب، دانشکده عمران و نقشه‌برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان
2گروه آب، دانشکده عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان
چکیده مقاله:
پیش‌بینی جریان در ارتقا کیفیت مدیریت و بر‌نامه‌ریزی منابع آب، نقشی اساسی دارد که با شناخت هوش‌مصنوعی، قابلیت آن در این زمینه، طی تحقیقات زیادی مورد بررسی قرار گرفته و سرعت و دقت نسبتا بالا‌ی آن ثابت شده است. در این پژوهش، قابلیت رویکرد ترکیبی موجک- درخت M5 در پیش‌بینی جریان ماهانه‌ی رودخانه خشکرود با استفاده از داده‌های هواشناسی و هیدرومتری، ارزیابی شده است. طی پیش‌پردازش داده‌ها با استفاده از تبدیل موجک و انجام تحلیل حساسیت مدل، با اعمال مرحله‌ای داده‌های هواشناسی به آن، مشخص شده که فرآیند پیش‌پردازش، عاملی بسیار مؤثر در عملکرد مدل M5 است، به‌طوری‌که سبب کاهش جذر میانگین مربعات خطا از 1.374 به 0.456 در زمان پیش‌بینی 1 و از 1.465 به 0.920 در زمان پیش‌بینی 3 می‌شود. همچنین استفاده از داده‌های هواشناسی برای جبران نواقص اطلاعات زمان‌های بلند‌مدت و تبدیل موجک نامتناسب با سری‌زمانی کار‌بردی است و میزان اهمیت نوع آن‌ها بسته‌به قابلیت مدل اصلی، می‌تواند یکسان و یا متغیر باشد.
کلیدواژه ها:
مدل درختی، خشکرود، پارامترهای هواشناسی، سری زمانی، پیش‌پردازش، سطح تجزیه
وضعیت : مقاله برای ارائه به صورت پوستر پذیرفته شده است