پيش‌بيني ساعتي نرخ جريان رودخانه بر اساس پردازش سيگنال و شبكه‌هاي عصبي (با استفاده از داده‌هاي تيكه‌نگاري صوتي)

كارشناسي ارشد

پيش‌بيني كوتاه مدت نرخ جريان رودخانه‌ها اهميت فراواني در مديريت منابع آب و كنترل سيلاب دارد. يكي از مشكلاتي كه محققين در اين نوع از پيش‌بيني‌ها همواره با آن مواجه هستند؛ نبود يك بانك داده‌اي دقيق و با تفكيك‌پذيري زماني بالا مي‌باشد. فناوري تيكه‌نگاري صوتي يكي از روش‌هاي داده‌برداري نوين است كه علاوه بر دقت بالاي داده‌هاي برداشت‌شده داراي تفكيك‌پذيري زماني بالايي نيز مي‌باشد؛ بنابراين با كاربرد داده‌هاي برداشت‌شده با استفاده از اين فناوري به همراه يك مدل پيش‌بيني مناسب مي‌توان به يك پيش‌بيني كوتاه‌مدت دقيق از نرخ جريان رودخانه‌ها دست‌يافت. در اين تحقيق تأثير كاربرد داده‌هاي برداشت‌شده توسط فناوري تيكه‌نگاري صوتي در پيش‌بيني كوتاه‌مدت نرخ جريان توسط دو مدل‌ پيش‌بيني زير مجموعه روش دسته‌بندي گروهي داده‌ها CGA) و (MGA و تركيب اين دو مدل با روش پردازش سيگنال تبديل موجك گسسته DWT-MGA) و DWT-CGA) بررسي‌شده و با داده‌هاي به‌دست‌آمده از روش دبي-اشل مقايسه شده است. به‌منظور جلوگيري از بيش‌برازش شدن مدل پيش بيني از معيار اعتبارسنجي كا-فولد استفاده‌شده است. نتايج اين تحقيق نشان داد كه مدل تركيبي DWT- MGA در پيش‌بيني ساعتي نرخ جريان رودخانه‌ها در مقايسه با ساير مدل‌هاي استفاده شده يك مدل مناسب بوده است؛ همچنين كاربرد داده‌هاي تيكه‌نگاري صوتي باعث افزايش دقت پيش‌بيني‌ كوتاه‌مدت شده است؛ به‌طوري‌كه مقدار خطاي جذر ميانگين مربعات (RMSE)، براي پيش بيني صورت گرفته توسط مدل DWT- MGA براي بازه‌هاي زماني 1، 6، 12 و 24 ساعته بر روي‌داده‌هاي برداشت‌شده با روش تيكه‌نگاري ¬صوتي به ترتيب 20/2، 62/5، 38/8 و 30/13 مترمكعب بر ثانيه به دست آمد. درحالي‌‌كه اين مقادير براي داده¬هاي برداشت‌شده با روش دبي- اشل به ترتيب 72/2، 75/18، 23/31 و 98/42 مترمكعب بر ثانيه محاسبه شد. از دلايل بالا بودن دقت پيش‌بيني انجام‌شده بر روي‌داده‌هاي تيكه‌نگاري صوتي نسبت به داده‌هاي دبي- اشل مي‌توان به تفكيك‌پذيري زماني بالا و دقت بيشتر داده‌هاي برداشت‌شده توسط تيكه‌نگاري صوتي نسبت به دبي- اشل اشاره كرد.

209409

دانشگاه علم و صنعت ايران

دكتر حسين عليزاده

مهندسي عمران آب و سازه هاي هيدروليكي

دكتر ابراهيم جباري- دكتر معسود بحريني مطلق