ورود
مقالات فارسیISIکنفرانسهاژورنالها

Application of Wavelet Denoising and Artificial Intelligence Models for Stream Flow Forecasting

محل انتشار: فصلنامه تحقیقات پیشرفته در مهندسی عمران، دوره: 1، شماره: 1
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 435

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/859038

شناسه ملی سند علمی:

JR_ARCE-1-1_001

تاریخ نمایه سازی: 7 خرداد 1398

چکیده مقاله:

In this study, the ability of threshold based wavelet denoising Least Square Support Vector Machine (LSSVM) and Artificial Neural Network (ANN) models were evaluated for forecasting daily Multi-Station (MS) streamflow of the Snoqualmie watershed. For this aim, at first step, outflow of the watershed was forecasted via ad hoc LSSVM and ANN models just by one station individually. Therefore, MS-LSSVM and MS-ANN were employed to use entire information of all sub-basins synchronously. Finally, the streamflow of sub-basins were denoised via wavelet based thresholding method, then the purified signals were imposed into the LSSVM and ANN models in a MS framework. The results showed the superiority of ANN to the LSSVM, MS model to the individual sub-basin model, using denoised data with regard to the noisy data, e.g., DCLSSVM=0.82, DCANN=0.85, DCMS-ANN=0.91, DCdenoised-MS-ANN=0.94.

کلیدواژه ها:

Stream flow ، Denoising ، Artificial Neural Network ، Least Square Support Vector Machine ، Multi-Station ، Snoqualmie watershed

نویسندگان

Gholamreza Andalib

Department of Water Resources Engineering, Faculty of Civil Engineering, University of Tabriz, Tabriz, Iran

Vahid Nourani

Department of Water Resources Engineering, Faculty of Civil Engineering, University of Tabriz,Tabriz, 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 :
  • Tongal, H., Booij, M. J., (2018). Simulation and forecasting of ...
  • Danandeh Mehr, A., (2018). An improved gene expression programming model ...
  • Kalteh, A., (2016). Improving Forecasting Accuracy of Streamflow Time Series ...
  • Prasad, R., Deo, R. C., Li, Y., Maraseni, T., (2017). ...
  • Adnan, R. M., Yuan, X., Kisi, O., Adnan, M., Mehmood, ...
  • Jansen, M., (2006). Minimum Risk Thresholds for Data with Heavy ...
  • Guo, J., Zhou, J., Qin, H., Zou, Q., Li, Q., ...
  • Nejad, F. H., Nourani, V., (2012). Elevation of Wavelet Denoising ...
  • Nourani, V., Mousavi, S., (2016). Spatiotemporal Groundwater Level Modeling using ...
  • Nourani, V., Komasi, M. (2013). A Geomorphology-Based ANFIS Model for ...
  • Lee, W. K., Resdi, T. A. T., (2016). Simultaneous Hydrological ...
  • Nourani, V., Andalib, G., Sadikoglu, F., Sharghi, E., (2017). Cascade-based ...
  • Nourani, V., Andalib, G., (2015). Wavelet Based Artificial Intelligence Approaches ...
  • Donoho, D. H., (1995). Denoising by Soft-Thresholding. IEEE Transactions on ...
  • Suykens, J. A. K., Vandewalle, J., (1999).  Least Square Support ...
  • Legates, D. R., McCabe, Jr. G. J., (1999). Evaluating the ...
    • نمایش کامل مراجع