بهبود عملکرد ماشین بردار پشتیبان و الگوریتم جنگل تصادفی در پیش بینی جریان رودخانه خرم آباد با استفاده از نویززدایی غیریکنواخت داده ها و الگوریتم سیمپلکس
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 18
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMS-13-47_005
تاریخ نمایه سازی: 4 دی 1402
چکیده مقاله:
در این مطالعه به منظور شبیه سازی جریان ماهانه رودخانه خرم آباد ابتدا سری زمانی این رودخانه طی بازه زمانی ۱۳۳۴-۱۳۹۳ با استفاده از موجک مادر دابچیز سه به سه سطح تجزیه شده است. براین اساس مشخص شد که نویز غیریکنواختی شامل دو دوره زمانی با مرز مهرماه ۱۳۸۷ در این سیگنال وجود دارد. با اتخاذ رویکرد آستانه گذاری فراگیر، سطح آستانه برای بازه های زمانی ۱۳۳۴- ۱۳۸۷ و ۱۳۸۷ -۱۳۹۳ به ترتیب برابر ۵/۹۵ و ۲/۲۱ مترمکعب برثانیه محاسبه شد. سپس، با طرح آستانه گذاری نرم، سیگنال های فرکانس بالا جریان رودخانه به طور غیریکنواخت نویززدایی شده است. در ادامه، با استفاده از مدل های ماشین بردار پشتیبان (نسخه های ɛ و Nu) و الگوریتم جنگل تصادفی (RF)، سیگنال اصلی و سیگنال نویززدایی شده جریان رودخانه، شبیه سازی و مقایسه شدند. نتایج صحت سنجی مدل ها نشان داد با نویززدایی غیریکنواخت سیگنال جریان رودخانه، خطای مدل ɛ از ۵/۷ به ۳/۱، مدل Nu از ۵/۸ به ۳/۲ و RF از ۵ به ۲/۹ مترمکعب برثانیه کاهش پیدا کرده است. نتایج حاصل از مقایسه دقت محاسباتی مدل های مذکور با استفاده از آزمون مرگان گرنجر نیوبلد (MGN) به ترتیب به مقدار ۱۵/۷-، ۱۵- و ۱۰/۶۷- برآورد شده است. این مقادیر، نشان از بهبود معنادار عملکرد مدل های مورد استفاده در نتیجه نویززدایی غیریکنواخت سیگنال جریان دارد. در نهایت، با کاربرد الگوریتم بهینه ساز سیمپلکس در مدل های ɛD، NuD و RFD، میانگین جریان رودخانه با دقت بالایی در هر سه مدل محاسبه شد.
کلیدواژه ها:
نویسندگان
حمید میرهاشمی
Lorestan University
داریوش یاراحمدی
Lorestan University
سیامک شرفی
Lorestan University
سعید فرزین
Semnan University
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 :