پیش بینی نوسانات ماهانه سطح آب دریاچه ارومیه با استفاده از مدل هوش مصنوعی مرکب نظارت شده
عنوان مقاله: پیش بینی نوسانات ماهانه سطح آب دریاچه ارومیه با استفاده از مدل هوش مصنوعی مرکب نظارت شده
شناسه ملی مقاله: JR_WASO-29-1_012
منتشر شده در در سال 1398
شناسه ملی مقاله: JR_WASO-29-1_012
منتشر شده در در سال 1398
مشخصات نویسندگان مقاله:
رحیم برزگر - دانشجوی دکتری هیدروژئولوژی، دانشکده علوم طبیعی، دانشگاه تبریز
اصغر اصغری مقدم - استاد گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز
الهام فیجانی - استادیار دانشکده زمین شناسی، پردیس علوم، دانشگاه تهران
خلاصه مقاله:
رحیم برزگر - دانشجوی دکتری هیدروژئولوژی، دانشکده علوم طبیعی، دانشگاه تبریز
اصغر اصغری مقدم - استاد گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز
الهام فیجانی - استادیار دانشکده زمین شناسی، پردیس علوم، دانشگاه تهران
در سالهای اخیر کاهش سطح آب دریاچه ارومیه سبب ایجاد بحران آبی و زیستمحیطی در منطقه گردیده است. بنابراین ضروری است که مدیریت و برنامهریزی صحیح و قابلاعتماد در این زمینه صورت گیرد که لازمه آن مدلسازی سطح آب دریاچه برای آینده میباشد. در این تحقیق از روشهای شبکه عصبی مصنوعی (ANN)، سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) و ماشین بردار پشتیبان (SVM) برای پیشبینی سطح آب یک [h (t+۱)]، دو [h (t+۲)] و سه [h (t+۳)] ماه آینده دریاچه ارومیه استفاده گردید و در نهایت از یک مدل هوش مصنوعی مرکب نظارت شده (SCMAI) برای رسیدن به یک عملکرد بهتر از مدلهای منفرد بهکار گرفته شده، استفاده شد. برای مدلسازی، اطلاعات سطح آب ماه جاری [h (t)]و یازده ماه گذشته [h (t-۱),…, h (t-۱۱)] بهعنوان ورودی و سطح آب یک، دو و سه ماه آینده بهعنوان خروجی مدلها در نظر گرفته شدند. دادهها به دو دسته دادههای آموزش/ اعتبارسنجی (۹۰ درصد کل دادهها) و دادههای آزمایش (۱۰ درصد کل دادهها) تقسیمبندی گردیدند و پس از مدلسازی، عملکرد مدلها بر اساس پارامترهای ضریب تعیین (R۲)، جذر میانگین مربعات خطا (RMSE) و میانگین مطلق خطا (MAE) ارزیابی شدند. نتایج نشان دادند که مدلهای بردار پشتیبان عملکرد بهتری نسبت به مدلهای شبکه عصبی مصنوعی و عصبی- فازی دارند. مدل هوش مصنوعی مرکب نظارت شده بهمنظور ترکیب نتایج مدلهای مختلف بهکار گرفته شد و نشان داد که مدلهای هوش مصنوعی مرکب نظارت شده قادرند کارایی مدلهای منفرد هوش مصنوعی را بهبود بخشند. نتایج معیارهای عملکرد مدل هوش مصنوعی مرکب نظارت شده بیان میکند که مدلسازی یک ماه آینده سطح آب با مقادیر R۲، RMSE و MAE بهترتیب برابر با ۹۸۹۶/۰، ۰۵۴۷/۰ متر و ۰۴۲۱/۰ متر در مقایسه با مدل بردار پشتیبان عملکرد بهتری دارد که این عملکرد برای پیشبینیهای دو و سه ماه آینده سطح آب دریاچه نیز صادق میباشد.
کلمات کلیدی: پیش بینی, سطح آب, هوش مصنوعی مرکب نظارت شده, دریاچه ارومیه, ماشین بردار پشتیبان
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1587358/