journal of watershed management research
پژوهشنامه مديريت حوزه آبخيز
jwmr
Agriculture
http://jwmr.sanru.ac.ir
1
admin
2251-6174
2676-4636
10.61186/jwmr
fa
jalali
1396
11
1
gregorian
2018
2
1
8
16
online
1
fulltext
fa
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)
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)
تخصصي
Special
پژوهشي
Research
<strong><span dir="RTL"><span style="font-size: 9pt;"><span>تخمین دقیق مقدار رواناب رودخانه­ها از اقدامات اساسی در مدیریت منابع آب حوزه­ها می­باشد. شبکه عصبی مصنوعی</span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">ANN)</span></span><span dir="RTL"><span style="font-size: 9pt;"><span>) و ماشین بردار پشتیبان (</span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">SVM</span></span><span dir="RTL"><span style="font-size: 9pt;"><span>) 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 آن</span></span></span><span dir="RTL"><span style="font-size: 9pt;"><span>­</span></span></span><span dir="RTL"><span style="font-size: 9pt;"><span>ها 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 </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">ANN</span></span><span dir="RTL"><span style="font-size: 9pt;"><span> و </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">SVM</span></span></strong><strong><span dir="RTL"><span style="font-size: 9pt;"><span> در شبیه­سازی رواناب ماهانه سه ایستگاه آب­<br>
سنجی برای داده­های مشاهداتی و نرمال شده جریان مورد ارزیابی قرار گرفت. براساس نتایج این تحقیق مقادیر شاخص­های ضریب همبستگی(</span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">CC</span></span><span dir="RTL"><span style="font-size: 9pt;"><span>) و جذر میانگین مربعات خطا (</span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">RMSE</span></span><span dir="RTL"><span style="font-size: 9pt;"><span>) در دوره صحت­سنجی برای ایستگاه­های صفاخانه، سنته و پل آنیان در مدل </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">ANN</span></span><span dir="RTL"><span style="font-size: 9pt;"><span> به ترتیب 71/0، (</span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">m<sup>3</sup>/sec</span></span><span dir="RTL"><span style="font-size: 9pt;"><span>) 93/5، 80/0، (</span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">m<sup>3</sup>/sec</span></span><span dir="RTL"><span style="font-size: 9pt;"><span>) 58/6 و 82/0، (</span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">m<sup>3</sup>/sec</span></span><span dir="RTL"><span style="font-size: 9pt;"><span>) 90/22 بدست آمد. در مدل </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">SVM</span></span></strong><strong><span dir="RTL"><span style="font-size: 9pt;"><span> برای این شاخص­ها در ایستگاه­<br>
های مذکور به ترتیب مقادیر 70/0، (</span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">m<sup>3</sup>/sec</span></span><span dir="RTL"><span style="font-size: 9pt;"><span>)34/6، 78/0، (</span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">m<sup>3</sup>/sec</span></span><span dir="RTL"><span style="font-size: 9pt;"><span>)02/7 و 79/0، (</span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">m<sup>3</sup>/sec</span></span><span dir="RTL"><span style="font-size: 9pt;"><span>)31/24 حاصل شد. نتایج نشان داد که در مدل </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">ANN</span></span><span dir="RTL"><span style="font-size: 9pt;"><span> استفاده از جریان نرمال شده در ایستگاه­های پل آنیان، سنته و صفاخانه مقادیر </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">CC</span></span><span dir="RTL"><span style="font-size: 9pt;"><span> را در دوره صحت­سنجی به ترتیب 6، 14 و 11 درصد افزایش و مقادیر </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">RMSE</span></span><span dir="RTL"><span style="font-size: 9pt;"><span> را به ترتیب 9، 19 و 6 درصد کاهش می­دهد. در مدل </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">SVM</span></span><span dir="RTL"><span style="font-size: 9pt;"><span> پس از نرمال­سازی داده­ها مقادیر </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">CC</span></span><span dir="RTL"><span style="font-size: 9pt;"><span> و </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">RMSE</span></span><span dir="RTL"><span style="font-size: 9pt;"><span> فقط برای ایستگاه سنته به میزان 10 و 16 درصد به ترتیب افزایش و کاهش می­یابد. همچنین نتایج نشان داد که مدل </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">ANN</span></span><span dir="RTL"><span style="font-size: 9pt;"><span> با ورودی­های نرمال شده در هر سه ایستگاه آب­سنجی عملکرد بهتری نسبت به مدل </span></span></span><span style="font-size: 8pt;"><span style="font-family: times new roman bold,serif;">SVM </span></span><span dir="RTL"><span style="font-size: 9pt;"><span> دارد.</span></span></span></strong>
Accurate estimation of river flows is one of the fundamental activities in water resources management of river basins. Artificial neural network (ANN) and support vector machine (SVM) are the most important data mining models that can be considered for this purpose. Due to the data-based attribute of these models, probability distribution of data may have a considerable effects on their performance in river flow simulation. In order to, Zarrineh Rud River basin was selected as a study area and the investigations were done for three hydrometric stations located in this basin. In this regard, first monthly runoff probability distribution of stations were studies based on Shapiro- Wilk test and then normalization of data distribution were done. Then the performance of ANN and SVM models in monthly river flow simulation of three stations was evaluated for initial observed and normal data. Based on the results of this study, the values of 0.71, 5.93 (m<sup>3</sup>/sec), 0.80, 6.58 (m<sup>3</sup>/sec) and 0.82, 22.9 (m<sup>3</sup>/sec) were obtained for correlation coefficient (CC) and root mean square errors (RMSE) indicators in the ANN model for Safakhaneh, Santeh and Polanian stations respectively in the testing period. In the SVM model, the values of 0.70, 6.34 (m<sup>3</sup>/sec), 0.78, 7.02 (m<sup>3</sup>/sec) and 0.79, 24.31 (m<sup>3</sup>/sec) were obtained for these indicators in the mentioned stations respectively. The results showed that in river flow simulation by ANN model values of CC increase 6%, 14% and 11% and RMSE values decrease 9%, 19% and 6% for Polanian, Santeh and Safakhaneh stations respectively in the testing period due to normalization of data probability distribution. For SVM model, due to normalization of data probability, CC value increases 10% and RMSE value decrease 16% only for Santeh station. Also the results showed that the ANN model with normal input data has high performance in estimation of monthly river flow compared to the SVM model in each of the three hydrometric stations.<br>
رواناب ماهانه, ANN, SVM, توزیع احتمالاتی نرمال, حوزه زرینه رود
ANN, Monthly River Flow, Normal Probabilistic Distribution, SVM, Zarrineh Rud
Basin
22
33
http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-221&slc_lang=fa&sid=1
Mohammad
Isazadeh
محمد
عیسی زاده
10031947532846005809
10031947532846005809
Yes
Hojjat
Ahmadzadeh
حجت
احمدزاده
10031947532846005810
10031947532846005810
No
Mohammad ali
Ghorbani
محمد علی
قربانی
10031947532846005811
10031947532846005811
No