کاربرد دادههای تیکه نگاری صوتی در پیشبینی کوتاه مدت نرخ جریان رودخانهها با استفاده از مدل ترکیبی الگوریتم دستهبندی گروهی دادهها | ||
| نشریه مهندسی عمران امیرکبیر | ||
| دوره 54، شماره 5، مرداد 1401، صفحه 1755-1772 اصل مقاله (2.35 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2021.19850.7270 | ||
| نویسندگان | ||
| یوسف الفت میری1؛ ابراهیم جباری2؛ مسعود بحرینی مطلق* 3؛ حسین علیزاده4؛ امیرحسین حسنآبادی5 | ||
| 1دانشجو کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران، | ||
| 2استاد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران | ||
| 3استادیار، موسسه تحقیقات آب | ||
| 4استادیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران، | ||
| 5دانشجو کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران | ||
| چکیده | ||
| پیشبینی کوتاه مدت نرخ جریان رودخانهها اهمیت فراوانی در مدیریت منابع آب و کنترل سیلاب دارد. یکی از مشکلاتی که محققین در این نوع از پیشبینیها همواره با آن مواجه هستند؛ نبود یک بانک دادهای دقیق و با تفکیکپذیری زمانی بالا میباشد. فناوری تیکه نگاری صوتی یکی از روشهای داده برداری نوین است که علاوه بر دقت بالای دادههای برداشت شده دارای تفکیکپذیری زمانی بالایی نیز است؛ بنابراین با کاربرد دادههای برداشت شده با استفاده از این فناوری به همراه یک مدل پیشبینی مناسب میتوان به یک پیشبینی کوتاه مدت دقیق از نرخ جریان رودخانهها دست یافت. در این تحقیق تأثیر کاربرد دادههای برداشت شده توسط فناوری تیکه نگاری صوتی در پیشبینی کوتاه مدت نرخ جریان توسط مدل ترکیبی الگوریتم دستهبندی گروهی داده ها، بررسیشده و با دادههای به دست آمده از روش دبی-اشل مقایسه شده است. به منظور جلوگیری از بیش برازش شدن مدل پیش بینی از معیار اعتبارسنجی کا-فولد استفاده شده است. نتایج این تحقیق نشان داد که کاربرد دادههای تیکه نگاری صوتی باعث افزایش دقت پیشبینی کوتاه مدت میشود؛ به طوری که ضریب نَش- ساتکلیف برای پیشبینی 1، 6، 12، 24، 48 و 72 ساعته دبی بر رویدادههای برداشت شده با روش تیکه نگاری صوتی به ترتیب (0/98، 0/96، 0/94، 0/88، 0/73 و 0/54) به دست آمد. در حالی که این مقادیر برای داده های برداشت شده با روش دبی- اشل به ترتیب (0/97، 0/84، 0/61، 0/27، 0/12 و 0/11) محاسبه شد. از دلایل بالا بودن دقت پیشبینی انجام شده بر روی دادههای تیکه نگاری صوتی نسبت به دادههای دبی- اشل میتوان به تفکیکپذیری زمانی بالا و دقت بیشتر دادههای برداشت شده توسط تیکه نگاری صوتی نسبت به دبی- اشل اشاره کرد. | ||
| کلیدواژهها | ||
| الگوریتم دستهبندی گروهی دادهها؛ پیشبینی کوتاه مدت؛ پیشبینی نرخ جریان؛ تیکه نگاری صوتی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,459 تعداد دریافت فایل اصل مقاله: 1,252 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 458 |
| تعداد مقالات | 5,782 |
| تعداد مشاهده مقاله | 8,515,015 |
| تعداد دریافت فایل اصل مقاله | 7,057,055 |