پیش بینی بلند مدت جریان رودخانه با استفاده از روش تحلیل طیف تکین در حوزه کرخه

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 423

فایل این مقاله در 17 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AGROCONGRESS03_162

تاریخ نمایه سازی: 8 اردیبهشت 1396

چکیده مقاله:

آبدهی رودخانه یکی از مهمترین داده های ورودی حوزه آبریز، برای استفاده در مدل های هیدرولوژیکی می-باشد. در دهه های گذشته روش های مختلفی برای تجزیه و تحلیل و پیش بینی متغیرهای فیزیکی استفاده شده است. یکی از آنها، روش آماری تحلیل طیف تکین (SSA) می باشد. SSA از روش های مورد استفاده در مدلسازی فرایندهای مختلف آماری است و اخیرا استفاده از آن در رشته های مختلف مهندسی از جمله منابع آب به منظور رفع اجزاء تصادفی موجود در سری های زمانی گسترش یافته است. هدف اصلی از این تحقیق پیش بینی مقادیر جریان رودخانه های حوزه کرخه با استفاده از روش تحلیل طیف تکین می باشد. ابتدا ایستگاه های شاخص در حوزه کرخه برای این کار انتخاب گردید. دوره پر آبی ایستگاه ها تعیین شد. برای مدل سازی به روش تحلیل طیف تکین از نرم افزار آماری CaterpillarSSA و R استفاده گردید. 70 درصد داده ها برای واسنجی و 30 درصد داده ها برای صحت سنجی در نظر گرفته شد. ابتدا از روش تحلیل طیف تکین برای پردازش اولیه داده ها و رفع نوفه موجود در سری های زمانی جریان رودخانه استفاده شد. در مرحله بعد از الگوریتم بازگشتی روش تحلیل طیف تکین برای ساخت مدل پیش بینی آبدهی رودخانه در ایستگاه های حوزه کرخه استفاده شد. برای بررسی عملکرد مدل از معیار جذر میانگین مربعات خطا نرمال شده، میانگین قدرمطلق خطای نسبی و ضریب همبستگی استفاده گردید. بر اساس نتایج این تحقیق می توان با به کارگیری روش تحلیل طیف تکین مقادیر جریان رودخانه را با دقت مناسب پیش بینی نمود.

کلیدواژه ها:

نویسندگان

فرید فروغی

دانشجوی دکتری، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی کرج، دانشگاه تهران و مربی دانشگاه شیراز، دانشکده کشاورزی و منابع طبیعی داراب

شهاب عراقی نژاد

دانشیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی کرج، دانشگاه تهران

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 :
  • ا. اکبری‌نیا، م. 2012. یش‌بینی بلند مدت آورد رودخانه استفاده ...
  • جمالی، ف. س.، 1388. مدل شبکه مصنوعی پیش‌بینی جریان ورودی ...
  • _ سوفلو ع. ع. علی‌میرزایی، ح. 1392. بررسی و پیش‌بینی ...
  • مهندسین مشاور جاماب. 138. گزارش وضعیت منابع آب حوزه رودخانه ...
  • میدانی، ا. 1391. پیش بینی بلندمدت آورد رودخانه با استفاده ...
  • Basilevsky, A, Derek, P., and Hum, .J. 1979. Karhunen- Loeve ...
  • Broomhead, D. S., and King, G. P. 1986. Extracting qualitative ...
  • Broomhead, D. S., King, G. P., and Pike, E. R. ...
  • Danilov, D. 1997. Principal components in time series forecast Journal ...
  • Golyandina, N., Nekrutkin, V., and Zhiglovsky, A. 2001. Analysis of ...
  • Hassani, H. 2007. Singular Spectrum Analysis: Methodology and Comparison. Journal ...
  • I2. Hassani, H., Mahmoudva d, R., and Yarm ohammadi, M. ...
  • Hassani, H., and Thomakos, D. 2010. A review _ singular ...
  • Hassani, H. Mah moudvand, R., and Zokaei, M. 2011. Separability ...
  • Kumaresan, R., and Tufts, D. W. 1980. Data-adaptive principal component ...
  • Lisi, F. Nicolis, O., and Sandri, M. 1995. Combining S ...
  • Marques, C. A. F., Ferreira, J. A., Rocha, A, Castanheira, ...
  • Meidani, E. 2012. Long lead streamflow forecasting using statistical methods: ...
  • Menezes, M. L., Souza, R. C., and Moreira Pessanha, J. ...
  • Sivapragasam, C., Liong, S. Y., and Pasha, M. F. K. ...
  • Vautard, R., and M. Ghi. 1989. Singular spectrum analysis in ...
  • Wu, C. L., Chau, K. W., and Fan, C. 2010. ...
  • نمایش کامل مراجع