دوره 8، شماره 16 - ( پاییز و زمستان 1396 )                   جلد 8 شماره 16 صفحات 22-33 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Isazadeh M, Ahmadzadeh H, Ghorbani M A. Assessment of Normalization of Monthly Runoff Probabilistic Distribution impact on SVM and ANN Models Performance in Monthly River Flows Simulation (A Case Study: ZarrinehRud River Basin). jwmr. 2018; 8 (16) :22-33
URL: http://jwmr.sanru.ac.ir/article-1-927-fa.html
عیسی زاده محمد، احمدزاده حجت، قربانی محمد علی. ارزیابی تأثیر نرمال سازی توزیع احتمالاتی رواناب ماهانه بر عملکرد مدل های SVM و ANN در شبیه سازی جریان ماهانه رودخانه ها (مطالعه موردی: حوزه زرینه رود) . پ‍‍ژوهشنامه مديريت حوزه آبخيز. 1396; 8 (16) :22-33

URL: http://jwmr.sanru.ac.ir/article-1-927-fa.html


دانشجوی کارشناسی ارشد
چکیده:   (459 مشاهده)
تخمین دقیق مقدار رواناب رودخانه­ها از اقدامات اساسی در مدیریت منابع آب حوزه­ها می­باشد. شبکه عصبی مصنوعیANN)) و ماشین بردار پشتیبان (SVM) از مهم­ترین مدل­های داده­کاوی هستند که می‏توانند برای این منظور مدنظر قرار گیرند. با توجه به مبتنی بودن این مدل­ها به داده­ها ، نوع توزیع احتمالاتی داده­ها می­تواند تأثیر چشمگیری بر عملکرد آن­ها در شبیه­سازی جریان داشته باشد. برای بررسی این موضوع حوزه زرینه­رود به­عنوان منطقه مورد مطالعه انتخاب شده و ارزیابی­های مورد نظر در سه ایستگاه آب­سنجی واقع در آن صورت گرفت. در این راستا در ابتدا با استفاده از آزمون شاپیرو-ویلک تبعیت نمودن توزیع احتمالاتی داده­های مشاهداتی اولیه از نرمال مورد بررسی قرار گرفته و سپس نرمال‏سازی توزیع داده­ها انجام شد. در ادامه کارایی هر یک از مدل­های ANN و SVM در شبیه­سازی رواناب ماهانه سه ایستگاه آب­
سنجی برای داده­های مشاهداتی و نرمال شده جریان مورد ارزیابی قرار گرفت. براساس نتایج این تحقیق مقادیر شاخص­های ضریب همبستگی(
CC) و جذر میانگین مربعات خطا (RMSE) در دوره صحت­سنجی برای ایستگاه­های صفاخانه، سنته و پل آنیان در مدل ANN به ترتیب 71/0، (m3/sec) 93/5، 80/0، (m3/sec) 58/6 و 82/0، (m3/sec) 90/22 بدست آمد. در مدل SVM
برای این شاخص­ها در ایستگاه­
های مذکور به ترتیب مقادیر 70/0، (
m3/sec)34/6، 78/0، (m3/sec)02/7 و 79/0، (m3/sec)31/24 حاصل شد. نتایج نشان داد که در مدل ANN استفاده از جریان نرمال شده در ایستگاه­های پل آنیان، سنته و صفاخانه مقادیر CC را در دوره صحت­سنجی به ترتیب 6، 14 و 11 درصد افزایش و مقادیر RMSE را به ترتیب 9، 19 و 6 درصد کاهش می­دهد. در مدل SVM پس از نرمال­سازی داده­ها مقادیر CC و RMSE فقط برای ایستگاه سنته به میزان 10 و 16 درصد به ترتیب افزایش و کاهش می­یابد. همچنین نتایج نشان داد که مدل ANN با ورودی­های نرمال شده در هر سه ایستگاه آب­سنجی عملکرد بهتری نسبت به مدل SVM  دارد.
متن کامل [PDF 1574 kb]   (109 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۶/۱۲/۵ | پذیرش: ۱۳۹۶/۱۲/۵ | انتشار: ۱۳۹۶/۱۲/۵

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2018 All Rights Reserved | Journal of Watershed Management Research

Designed & Developed by : Yektaweb