• مدل سری زمانی sarimax بهسازی شده بر مبنای روش شبکه عصبی برای مدل سازی های هیدورلوژیکی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1607
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -

    پیش بینی صحیح فرآیندهای هیدرولوژیکی می تواند کمک شایانی در زمینه طراحی پروژه های آبی و نیز جلوگیری از خطرات ناشی از آن ها داشته باشد. ویژگی های غیرخطی، عدم قطعیت ذاتی فرآیندهای استوکاستیک و پیچیده بودن مدل های فیزیکی از دلایلی بوده است که باعث شده محققان به سوی مدل های جعبه سیاه از جمله مدل سری زمانی و مدل شبکه عصبی مصنوعی روی آورند. در این مقاله یک مدل ترکیبی متشکل از دو مدل شبکه عصبی و مدل خطی سری زمانی فصلی ارائه گردیده است. در این مدل ترکیبی نخست سری زمانی بارش-رواناب با الگوی سری زمانی فصلی مدل سازی شده و سپس جهت برآورد باقیمانده های سری زمانی از شبکه های عصبی بهره گیری شده تا بتوان مقدار پیش بینی رواناب را به مقدار واقعی نزدیک تر نمود. نتایج بدست آمده از این مدل ترکیبی با مدل شبکه عصبی یگانه مورد ارزیابی قرار گرفت که نتیجه کلی بیانگر برتری مدل ترکیبی می باشد. همچنین از دیگر ویژگی های این مدل، قابلیت مناسب آن در رصد نمودن نقاط اکسترمم سری زمانی است بنابراین می توان گفت که مدل ترکیبی یاد شده یک مدل نیمه خطی فصلی از فرآیندهای استوکاستیک را ارائه می دهد که می تواند راهکار مناسبی برای پیش بینی فرآیند سرهای زمانی هیدرولوژیکی باشد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها