این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات آب و خاک ایران، جلد ۵۱، شماره ۵، صفحات ۱۲۶۵-۱۲۸۰
عنوان فارسی بررسی عدم‌قطعیت مدل‌های داده‌مبنا در پیش‌بینی دبی ماهانه حبله‌رود
چکیده فارسی مقاله مدیریت مناسب حوضه‌های آبریز نیازمند در اختیار داشتن پیش‌بینی‌های دقیق و قابل اطمینان از دبی رودخانه‌هاست. در سالیان اخیر، مدل‌های داده‌مبنا و به‌ویژه مدل‌های مبتنی بر هوش مصنوعی، در زمینه‌های مختلفِ مرتبط با منابع آب با موفقیت مورد استفاده قرار گرفته‌اند. با این وجود، تحلیل عدم‌قطعیت این مدل‌ها کمتر مورد توجه قرار گرفته است. در مطالعه حاضر، عدم‌قطعیت خروجی پنج مدل مبتنی بر هوش مصنوعی شامل مدل‌هایی از نوع ماژولار، PCA، TLRN، ANFIS و SVM در پیش‌بینی دبی ماهانه حبله‌رود، با استفاده از کمیت‌های 95PPU، p-factor و d-factor مورد بررسی قرار گرفته است. با استفاده از داده‌های ثبت‌شده از متغیرهای هواشناسی و دبی طی سال‌های 2012-1998 در حوضه آبریز حبله‌رود در شرق استان تهران، ساختارهای متفاوتی از مدل‌ها مورد آموزش و آزمون قرار گرفتند. مقادیر نهاییِ p-factor و d-factor برای هر کدام از پنج مدلِ مورد بررسی محاسبه شد. نتایج نشان داد SVM با p-factor نهاییِ معادل با 82 درصد در مرحله آزمون، قابل‌اعتمادترین مدل برای پیش‌بینی دبی ماهانه در حوضه مورد بررسی است.
کلیدواژه‌های فارسی مقاله عدم‌قطعیت،جریان ماهانه،واسنجی تصادفی،مدل عصبی- فازی،آزمون گاما،
عنوان انگلیسی Investigating the Uncertainty of Data-Based Models in Forecasting Monthly Flow of the Hablehroud River
چکیده انگلیسی مقاله Accurate and reliable forecasts of river flow are required for proper management of watershed systems. In recent years, data-driven models and especially artificial intelligent based models have been successfully used in various areas related to water resources. However, uncertainty analysis of these models has been less appreciated in prior studies. In the present study, the output uncertainty of five data-driven models including modular, PCA (Principle Component Analysis), TLRN (Time-Lagged Recurrent Network), ANFIS (Adaptive-Network-based Fuzzy Inference System) and SVM (Support Vector Machine) type models in forecasting river flow has been investigated using 95PPU, p-factor and d-factor quantities. Using the observed meteorological and flow data during 1998-2012 in Hablehroud Basin, different structures of the proposed models were trained and tested. The final values of p-factor and d-factor for each model type were obtained. The results showed that SVM with a p-factor of 82% produces the most reliable forecasts in the present study.
کلیدواژه‌های انگلیسی مقاله عدم‌قطعیت,جریان ماهانه,واسنجی تصادفی,مدل عصبی- فازی,آزمون گاما
نویسندگان مقاله جابر صالح پور |
گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران

افشین اشرف زاده |
گروه مهندسی آب، دانشکده علوم کشاورزی دانشگاه گیلان، رشت، ایران

سید علی موسوی |
مربی- گروه مهندسی آب - دانشگاه گیلان

نشانی اینترنتی https://ijswr.ut.ac.ir/article_75084_694b4f64c8b2c49c2f2cebfe66f2a777.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات