آمار
| تعداد نشریات | 23 |
| تعداد شماره‌ها | 368 |
| تعداد مقالات | 2,890 |
| تعداد مشاهده مقاله | 2,566,166 |
| تعداد دریافت فایل اصل مقاله | 1,821,828 |
اثر پیش‌پردازش و کاهش ابعاد ورودی مدل پیش‌بینی دبی بر عملکرد مدل رگرسیون‌بردار‌پشتیبان بهینه‌شده الگوریتم ژنتیک | ||
| فناوری های پیشرفته در بهره وری آب | ||
| مقاله 2، دوره 1، شماره 1، دی 1400، صفحه 24-47 اصل مقاله (1.65 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22126/atwe.2021.6660.1002 | ||
| نویسندگان | ||
| سیداحسان فاطمی* 1؛ صدیقه دارابی چغابلکی2؛ مریم حافظ پرست مودت3 | ||
| 1استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران. | ||
| 2دانش آموخته کارشناسی ارشد مهندسی منابع آب ، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران. | ||
| 3استادیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران. | ||
| چکیده | ||
| پیش‌بینی دقیق و صحیح جریان آب‌های سطحی در برنامه ریزی اصولی و مدیریت صحیح منابع آب نقش بسزایی دارد، برای دست یافتن به این مهم مدل‌های پیش‌بینی مختلف که با استفاده از روابط ریاضی بر پایه اطلاعات هیدرولوژی بنا شده‌اند، می‌توانند داده‌های مورد نیاز را با دقت کافی پیش‌بینی کنند. در این مطالعه از داده‌های دبی جریان ماهانه ایستگاه هیدرومتری پل‌چهر در یک دوره آماری 48 ساله (1397شهریور-1350مهر) استفاده‌شد. دو سناریوی اصلی با و بدون اعمال پیش‌پردازش(استانداردسازی) با دو رویکرد سری زمانی یا غیرسری‌زمانی بررسی شد. همچنین از الگوریتم جنگل تصادفی برای بررسی کاهش ابعاد ورودی مدل استفاده شد. در هر سناریو معیارهای ارزیابی مدل تغییرات واریانس، ضریب تبیین و مجذور مربعات خطا محاسبه گردید. در همه حالت‌ها به ترتیب 80 و 20 درصد داده‌ها برای آموزش و تست مدل در نظر گرفته شده است. مدل نوشته شده به زبان برنامه‌نویسی پایتون است. از الگوریتم ژنتیک برای بهینه‌سازی پارامترهای روش رگرسیون بردار پشتیبان استفاده‌شد. نتایج نشان داد که ابتدا استانداردسازی سپس درنظر نگرفتن توالی سری زمانی داده‌ها، کاهش ابعاد ورودی مدل نیز استفاده از الگوریتم ژنتیک برای بهینه‌سازی پارامترهای مدل رگرسیون بردار پشتیبان به ترتیب بیش‌ترین اثر بر دقت پیش‌بینی را دارد به طوریکه بالاترین ضریب تبیین برای داده‌های آموزش برابر 85/0 و برای تست معادل6/0 است. چنانچه عمل استاندارسازی داده‌ها صورت نگیرد منظور نمودن رویکرد سری‌زمانی و کاهش ابعاد ورودی مدل منجر به نتایج بهتری در پیش‌بینی مدل SVR خواهد شد و استفاده از بهینه‌ساز الگوریتم ژنتیک نسبت به مدل ساده آن تاثیر معنی‌داری بر بهبود نتایج خواهد داشت. | ||
| کلیدواژه‌ها | ||
| پیش بینی دبی؛ ماشین بردار پشتیبان؛ الگوریتم ژنتیک؛ SVM | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 270 تعداد دریافت فایل اصل مقاله: 344 |
||