CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهبود دقت پیشبینی بلندمدت جریان ورودی به سد بوکان بر مبنای الگوریتم های یادگیری ماشین

عنوان مقاله: بهبود دقت پیشبینی بلندمدت جریان ورودی به سد بوکان بر مبنای الگوریتم های یادگیری ماشین
شناسه ملی مقاله: IHC19_163
منتشر شده در نوزدهمین کنفرانس هیدرولیک ایران در سال 1399
مشخصات نویسندگان مقاله:

مهدی عباسی - کارشناس پژوهشی موسسه تحقیقات آب وزارت نیرو، تهران
سینا ابوالحسینی - کارشناس پژوهشی موسسه تحقیقات آب وزارت نیرو، تهران
حسین دهبان - کارشناس پژوهشی موسسه تحقیقات آب وزارت نیرو، تهران
سیدامیرمحمد حسن لی - کارشناس پژوهشی موسسه تحقیقات آب وزارت نیرو، تهران
اشکان فرخ نیا - عضو هیئتعلمی موسسه تحقیقات آب وزارت نیرو، تهران
رضا روزبهانی - عضو هیئتعلمی موسسه تحقیقات آب وزارت نیرو، تهران

خلاصه مقاله:
پیشبینی جریان کمک شایانی به مدیران بخش در جهت برنامه ریزی و تصمیم گیری بهینه در خصوص مدیریت بهتر منابع آب میکند. در این تحقیق سعی شده است با استفاده از مدلهای ترکیبی دادهمحور، مدل پیشبینی جریان ماهانه ورودی به سد بوکان تا افق پیشبینی 6 ماه آینده توسعه داده شود. برای این کار، ابتدا از الگوریتم پیش پردازش انتخاب متغیر جنگل تصادفی به منظور انتخاب متغیرهای پیشبینی کننده مناسب استفاده شد. سپس مدلهای داده محور شامل MLR، KNN و SVR متناسب با متغیرهای انتخابی، پیاده سازی شد. نتایج این پژوهش نشان داد که بهترین عملکرد را مدل ترکیبی RF-SVR در پیشبینی جریان ماهانه ورودی به سد بوکان برای افقهای پیشبینی مختلف در مقایسه با دو مدل ترکیبی دیگر RF-MLR) و (RF-KNN دارد. علاوه بر این، نتایج نشان داد که متغیر باران با درصد احتمال مشارکت 28 درصد، بیشترین تأثیرگذاری را بر پیشبینی پذیری جریان ماهانه ورودی به سد بوکان داشته است.

کلمات کلیدی:
جریان بلندمدت رودخانه، مدلهای داده محور، جنگل تصادفی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1168024/