پیش بینی خشکسالی با استفاده از مدل ترکیبی GEP-GARCH(مطالعه موردی: ایستگاه سینوپتیک سلماس)
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 50، شماره: 6
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 130
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-50-6_003
تاریخ نمایه سازی: 3 خرداد 1402
چکیده مقاله:
پیشبینی خشکسالی نقش مهمی در طراحی سیستمهای سازگاری با خشکسالی و اجرای عملیات تسکین ایفا مینماید. دادههای هیدرولوژیک به صورت ترکیبی از بخش قطعی و تصادفی میباشند. با توجه به اینکه دادههای تولیدی مدلهای هوشمند به صورت قطعی میباشند، استفاده از رویکردی جدید برای اعمال بخش تصادفی در پیشبینی این دادهها میتواند قطعیت مدل را افزایش دهد. در این تحقیق با ترکیب مدل برنامهریزی بیان ژن (GEP) و مدل سری زمانی مبتنی بر واریانس ناهمسان شرطی (GARCH) سعی در ارائه مدلی ترکیبی برای پیشبینی خشکسالی شده است. بدین منظور پیشبینی خشکسالی در ایستگاه سلماس با استفاده از شاخص خشکسالی SPEI در گامهای زمانی مختلف در طی دوره آماری ۳۵ ساله و با پنج مدل ورودی مختلف شامل مقادیر شاخص SPEI از یک تا پنج گام زمانی تاخیر، مورد بررسی قرار گرفت. نتایج نشان داد که روش GEP در مقیاس زمانی کوتاهمدت شاخص SPEI از دقت مناسب برخوردار نمیباشد و با افزایش مقیاس زمانی عملکرد مدل بهبود پیدا میکند. نتایج مدل ترکیبی نشان داد که خطای مدل GEP در همه مقیاسهای زمانی کاهش پیدا میکند و این بهبود عملکرد در مقیاسهای زمانی کوتاهمدت ملموستر میباشد به نحوی که ضریب همبستگی در مقیاس زمانی سه ماهه در مدل ساده GEP از ۶۲۲/۰ به ۸۹۱/۰ در مدل ترکیبی افزایش پیدا کرده است.
کلیدواژه ها:
نویسندگان
عباس عباسی
Ph.D students in Water Resources Engineering, Department of Water Engineering, Faculty of Agriculture, Urmia University, Urmia, Iran
کیوان خلیلی*
Assistant Professor, Department of Water Engineering, Faculty of Agriculture, Urmia University, Urmia, Iran
جواد بهمنش
Associate professor, Department of Water Engineering, Faculty of Agriculture, Urmia University, Urmia, Iran
اکبر شیرزاد
Assistant Professor, Department of Civil Engineering, Faculty of Civil Engineering, Urmia University of Technology, Urmia, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :