کاربرد الگوریتم پیش پردازش کننده تجزیه مد تجربی گروهی در جهت بهبود دقت پیش-بینی جریان روزانه رودخانه با استفاده از روش‌های هوشمند مصنوعی

مستوری, رضا; نجارچی, محسن; ترابی, سید علی رضا

doi:10.22034/iwrj.2022.10048.2353

کاربرد الگوریتم پیش پردازش کننده تجزیه مد تجربی گروهی در جهت بهبود دقت پیش-بینی جریان روزانه رودخانه با استفاده از روش‌های هوشمند مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

رضا مستوری

محسن نجارچی

سید علی رضا ترابی

دانشگاه آزاد اسلامی اراک

https://doi.org/10.22034/iwrj.2022.10048.2353

چکیده

با توجه به اهمیت پیش‌بینی جریان رودخانه در مدیریت منابع آب روش‌های مختلفی برای مدل کردن جریان رودخانه‌ها بکار

برده می‌شوند تا بتوان با بکارگیری یک مدل مطمئن در مدیریت خشکسالی و سیلاب خسارات ناشی از آنها را به حداقل ممکن رساند. در این مطالعه نیز برای پیش‌بینی سری زمانی جریان روزانه ایستگاه‌ گچسر برای حوضه آبریز بخش مرکزی ایران ، با توجه به ویژگی‌های غیرخطی مقیاس‌های زمانی چندگانه، مدل‌ ترکیبی درخت تصمیم‌گیری (MT) بر پایه الگوریتم پیش‌پردازش کننده (EEMD) در دوره آماری 1363 تا 1391پیشنهاد شده است. در ادامه تحقیق، برای تعیین بهترین تعداد تاخیر زمانی از دبی جریان رودخانه، از تکنیک‌های ACF و PACF استفاده شد که مقدار بهینه سه تاخیر زمانی به عنوان پارامترهای ورودی در نظر گرفته شد. نتایج بدست آمده از روش ترکیبی پیشنهادی با دیگر روش‌های هوشمند مصنوعی نظیر مدل درخت (MT) و سیستم استنتاج عصبی-فازی (ANFIS) با استفاده از شاخص‌های آماری خطا مورد بررسی و مقایسه قرار گرفت. نتایج نشان داد که دقت روش EEMD-MT نسبت به روش MT حدود 5.7% افزایش یافت و خطای مدل‌سازی نیز برای این ایستگاه‌ در ترم شاخص خطای RMSE 6.8 % در مرحله تست کاهش یافته است. لذا با پیش‌پردازش کردن داده‌های هواشناسی و برطرف کردن توزیع رندوم، ناپایداری و روند غیرخطی داده‌های ورودی به مدل، دقت پیش‌بینی مدل‌های پیشنهادی در تخمین دبی روزانه جریان رودخانه افزایش یافته است و برای مطالعات آتی می‌تواند روشی مناسب و دقیق در نظر گرفته شود

کلیدواژه‌ها

پیش‌بینی جریان رودخانه

روش‌های هوشمند مصنوعی

الگوریتم تجزیه مد تجربی گروهی

ایستگاه‌های هیدرومتری

موضوعات