مقایسه ی شبیه ها و روشهای مختلف پیش بینی ماهانه ی جریان مبتنی بر هوش مصنوعی

محورهای موضوعی : مقالات برگرفته از پایان نامه

حبیب اکبری الاشتی ¹ (نویسنده)
امید بزرگ حداد ² (نویسنده)

تاریخ دریافت : 1394/10/17 تاریخ پذیرش : 1394/10/17 تاریخ انتشار : 1391/04/01

کلید واژه: برنامه ریزی ژنتیک, پیش بینی جریان, شبکه ی عصبی مصنوعی, خود همبسته ی میانگین متحرک با ورودیهای غیر تصادفی,

چکیده مقاله :

پیش بینی دقیق جریان در رود ها از اهمیت بسزایی در مدیریت منابع آبهای سطحی برخوردار می باشد؛ به همین دلیل، همواره تلاشهای زیادی برای طراحی و معرفی شبیه های دقیق پیش بینی صورت گرفته است. در تحقیق حاضر با استفاده از شبیه های خود همبسته ی میانگین متحرک با ورودیهای غیر تصادفی (ARMAX)، ANN و GP برای پیش بینی ماهانه ی جریان به دو روش پیش بینی زنجیره ی زمانی و پیش بینی ماهانه ی مجزای جریان رود سعید آباد واقع در استان آذربایجان شرقی استفاده شده است. سپس، ضمن مقایسه نتایج حاصله از این شبیه ها در هریک از روشهای پیش بینی، عملکرد دو روش پیش-بینی زنجیره ی زمانی آبدهی و پیش بینی ماهانه ی مجزای جریان، نسبت به یکدیگر ارزیابی شده است. برای ارزیابی شبیه ها و روشهای پیش بینی از دو معیار ارزیابی کارآیی ضریب تبیین (R2)، و جذر میانگین مربعات خطا (RMSE) استفاده شده است. نتایج حاکی از کارایی مناسب و دقت بالای GP در مقایسه با ANN و ARMAX در پیش بینی ماهانه ی جریان رود ها در هر دو روش پیش بینی زنجیره ی زمانی و پیش بینی ماهانه مجزا می باشد. بطوری که شبیه GP در پیش بینی زنجیره ی زمانی آبدهی، با R2 برابر با 7/0 و RMSE برابر با 172/0 نسبت به ANN با R2 برابر با 627/0 و RMSE برابر با 193/0 و ARMAX با R2 برابر با 595/0 و RMSE برابر با 243/0 از عملکرد بهتری برخوردار است. در پیش بینی ماهانه ی مجزا هم این برتری برای بیشتر ماهها دیده می شود. در مقایسه ی دو روش پیش بینی ماهانه ی جریان، نتایج نشان دادند که می توان از روش پیش بینی ماهانه ی مجزا نسبت به روش پیش بینی زنجیره ی زمانی به عنوان یک روش پیش بینی با دقت بیشتر و کارایی بالاتر نام برد.