این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های حفاظت آب و خاک، جلد ۲۴، شماره ۴، صفحات ۱۶۱-۱۷۷
عنوان فارسی مقایسه عملکرد مدلهای ماشین بردار پشتیبان، برنامه ریزی بیان ژن وشبکه بیزین در پیش بینی جریان رودخانه ها (مطالعه موردی: رودخانه کشکان)
چکیده فارسی مقاله سابقه و هدف: پیش‌بینی جریان رودخانه‌ها یکی از مهم‌ترین موارد کلیدی در مدیریت و برنامه‌ریزی منابع آب‌ به‌ویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشکسالی‌ها، است. برای پیش‌بینی میزان جریان رودخانه‌ها رویکردهای متنوعی در هیدرولوژی معرفی‌شده است که مدل‌های هوشمند از مهمترین آن‌ها می‌باشند. در این پژوهش جهت ارزیابی دقت مدل‌ها در پیش‌بینی جریان رودخانه، از داده‌های روزانه حوضه آبریز کشکان واقع در استان لرستان استفاده‌شده است. جهت مدلسازی جریان روزانه رودخانه کشکان از مدلهای ماشین بردار پشتیبان، برنامه‌ریزی بیان ژن و شبکه بیزین استفاده شد و نتایج برای بررسی صحت مدل‌های موردمطالعه با یکدیگر مقایسه گردید. در پژوهش‌های معدودی هر یک از مدل‌های بیان‌شده در پیش‌بینی دبی جریان روزانه موردبررسی قرارگرفته است اما هدف این پژوهش بررسی همزمان این مدل‌ها در یک حوضه برای پیش‌بینی جریان روزانه رودخانه می‌باشد. مواد و روش: در این پژوهش رودخانه کشکان واقع در استان لرستان به‌عنوان منطقه موردمطالعه انتخاب‌شده و جریان روزانه مشاهداتی این حوضه در ایستگاه هیدرومتری پلدختر جهت واسنجی و اعتبارسنجی مدل‌ها بکار گرفته شد. برای این منظور، در ابتدا 80 درصد از داده‌های جریان روزانه (1390-1383) برای واسنجی مدل‌ها انتخاب‌شده و 20 درصد داده‌ها (1393-1391) جهت اعتبارسنجی مدل‌ها استفاده شد. برنامه‌ریزی ژن یک تکنیک برنامه‌ریزی خودکار است که راه‌حل مساله را با استفاده از برنامه‌ریزی کامپیوتر ارائه کرده و عضوی از خانواده الگوریتم تکاملی می‌باشد. ماشین بردار پشتیبان نیز یک سیستم یادگیری کارآمد بر مبنای تئوری بهینه‌سازی مقید است. همچنین شبکه بیزین، نمایش بامعنی روابط نامشخص مابین پارامترها در یک فرآیند می‌باشد و گرافی جهت‌دار غیر حلقوی از گره‌ها برای نمایش متغیرهای تصادفی و کمان‌ها برای نمایش روابط احتمالی مابین متغیرها به شمار می‌رود. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا برای ارزیابی و نیز مقایسه عملکرد مدل‌ها در این پژوهش مورداستفاده قرار گرفت. یافته‌ها: نتایج نشان داد هر سه مدل شبکه بیزین، برنامه‌ریزی بیان ژن و ماشین بردار پشتیبان، در ساختاری متشکل از 1 تا 5 تأخیر زمانی نتایج بهتری نسبت به سایر ساختارها ارائه می‌دهد. همچنین با توجه به معیار ارزیابی نتیجه شد که از بین مدل‌های به‌کاررفته مدل ماشین بردار پشتیبان، بیشترین دقت 910/0= R و کمترین ریشه میانگین مربعات خطا l/s 2RMSE= و کمترین میانگین قدر مطلق خطاl/s 1MAE= در مرحله صحت سنجی را دارا می‌باشد. همچنین این مدل در تخمین مقادیر حداقل، حداکثر و میانی عملکرد خوبی از خود نشان داده است. نتیجه‌گیری: درمجموع نتایج نشان داد مدل ماشین بردار پشتیبان عملکرد بهتری نسبت به مدل‌های شبکه بیزین و برنامه‌ریزی بیان ژن دارد. بنابراین مدل ماشین بردار پشتیبان می‏تواند در زمینه پیش‌بینی جریان روزانه رودخانه مؤثر بوده و در نوبه خود برای تسهیل توسعه و پیاده‌سازی استراتژی‌های مدیریت آب‌های سطحی مفید باشد. و گامی در اتخاذ تصمیمات مدیریتی در جهت بهبود کمیت منابع آب‌های سطحی ایجاد نماید.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparing the performance of Support Vector Machines, Gene Expression Programming and Bayesian networks in predicting river flow (Case study: Kashkan River)
چکیده انگلیسی مقاله Background and objectives: Quantitative prediction of river discharge one of the most important elements in the management of surface water resources, especially take suitable decisions in occurrence of floods and drought events. Various approaches introduced in hydrology to predict river discharge which intelligence models are the most important ones.In this study, recorded data sets in kashkan watershed area located in lorestan were used to investigate the precision of different river discharge prediction models. The support vector machine model as a gene expression programming model and Bayesian network models selected for modeling of daily river discharge and the results were compared to examine the accuracy of studied models. In some studies, the expressed models used for daily river discharge prediction but the main objectives of this study are application of these models to predict daily discharge for a watershed. Materials and Methods: In this study kashkan river basin was selected as the study area and observed daily river flow of this basin in the poldokhtar station were applied for calibration and validation of models. For this purpose, first 80 percent of daily river flow data (2004-2011) were selected to calibrate models and 20 percent of data (2012-2014) were used to validate models. Gene expression programming solution is a technique that is automatically programmed using the PC programming and evolutionary algorithm is a member of the family. Support vector machine is also an efficient learning system is based on the theory of constrained optimization. Bayesian networks, display meaningful relationships between parameters in the process is unclear and non-cyclic directed graph of nodes to display random variables for representing probabilistic relationships between variables considered magmatic arc. Criteria of correlation coefficient, root mean square error and coefficient, mean absolute error and performance of models were used to evaluation models. Results: The results showed that all three models, Bayesian networks, support vector machine and gene expression programming, in a structure consisting of 1 to 5 delay gives better results than any other structure. Also of results according to the evaluation criterion was that the models used support vector machine model, most accurate R=0.880 and the lowest Root Mean Square Error RMSE=0.002m3/s and the lowest average absolute error MAE=0.001m3/s the validation phase is capable. Also, the estimates of minimum, maximum and median has shown good performance. Conclusions: support vector machine model outperformed the Bayesian network modeling and gene expression programming. So, support vactor machine model can be effective in forecasting the daily stream flow and in turn facilitate the development and implementation of surface water management strategies will be useful. And a step in making management decisions to improve the quantity of surface water create.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله رضا دهقانی |
دانشجوی دکترای سازه آبی دانشگاه لرستان
سازمان اصلی تایید شده: دانشگاه لرستان (Lorestan university)

حجت الله یونسی |
هیات علمی گروه مهندسی آب، دانشگاه لرستان
سازمان اصلی تایید شده: دانشگاه لرستان (Lorestan university)

حسن ترابی پوده |
هیات علمی گروه مهندسی آب، دانشگاه لرستان
سازمان اصلی تایید شده: دانشگاه لرستان (Lorestan university)

نشانی اینترنتی http://jwsc.gau.ac.ir/article_3826_c1ace073f54f94af9c5e63b5048e391e.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1379/article-1379-529016.pdf
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