پیش بینی دبی روزانه با استفاده از مدل تلفیقی شبیه‌سازی-بهینه سازی SVR-PSO (مطالعه موردی: رودخانه سزار)
کد مقاله : 1320-IHA
نویسندگان:
سعید مظفری *، علی شهیدی ارقینی، هانی اویسی فر
گروه آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
چکیده مقاله:
ارزیابی و پیش‌بینی درست از دبی رودخانه در روزها و یا ماه‌های آینده اهمیت فراوانی در توسعه برنامه‌ریزی و مدیریت منابع آب در هر منطقه دارد. امروزه تکنیک‌های یادگیری متعددی جهت پیش‌بینی متغیرهای هیدرولوژیکی بخصوص دبی مورد توجه قرار گرفته‌اند. با توجه به پیچیدگی روابط بین متغیرهای هیدرولوژیکی از روشهای هوشمند باقابلیت یادگیری برای پیش‌بینی استفاده می‌شود. در مدلسازی به کمک روشهای هوشمند، دقت پیش‌بینی تا حد زیادی به پارامترهای یادگیری مدل وابسته می‌باشد. بنابراین از الگوریتم PSO برای یافتن پارامترهای بهینه SVR در این مدل استفاده شد PSO .یک الگوریتم قدرتمند مبتنی بر جمعیت و مورداستفاده در حل مسایل بهینه سازی پیوسته و گسسته است. در پژوهش حاضر با استفاده از مدل تلفیقی توسعه داده شده SVR-PSO مقادیر دبی روزانه جریان رودخانه پیش‌بینی شد. برای پیش‌بینی از 6 سناریوی داده‌های ورودی جهت پیش‌بینی دقیق‌تر استفاده گردید. نتایج به دست آمده از سناریوی برتر (RMSE آموزش و آزمون به ترتیب 1.98 و 2.86 (M^3.S^(-1))) حاکی از آن است که الگوریتم بهینه‌ساز PSO توانایی خوبی در بهینه‌سازی پارامترهای SVR دارد. مقایسه نتایج حاصل از پیش‌بینی با مقادیر واقعی عملکرد مناسب و دقت بالای روش ترکیبی SVR-PSO را نشان می دهد. به طور‌کلی، مدل SVR-PSO می تواند به عنوان روشی سریع ، قابل اعتماد برای پیش‌بینی دبی روزانه استفاده شود.
کلیدواژه ها:
پیش بینی دبی روزانه، رودخانه سزار، رگرسیون ماشین بردار پشتیبان، بهینه سازی ازدحام ذرات
وضعیت : مقاله برای ارائه به صورت پوستر پذیرفته شده است