خانه :: اساتید :: اخبار

بازدید:24610   بروزرسانی: 26-06-1402

Masoud Karbasi

زهرا رسولی، زهرا پاپی و مسعود کرباسی
پیش‌بینی باررسوبی معلق با استفاده از مدل ترکیبی موجک (Wavelet)- رگرسیون فرآیند گاوسی (GPR)
Forecasting suspended load using wavelet-GPR mode;
چکيده


ارائه راهکاری مناسب جهت تعیین دقیق بار معلق رودخانه‌ها در پروژه‌های آبی از اهمیت خاصی برخوردار می‌باشد. امروزه استفاده از سیستم‌های هوش مصنوعی به‌عنوان ابزاری جدید جهت برآورد دقیق رسوبات رودخانه‌ها مورداستفاده قرار می‌گیرد. در تحقیق حاضر مدل ترکیبی موجک-رگرسیون فرآیند گاوسی به‌منظور پیش‌بینی بار رسوبی معلق رود آبیاکا مورداستفاده قرار گرفت. بدین منظور یک دوره آماری 11 ساله (1992 تا 2002) که 8 سال آن (1992 تا 2000) جهت آموزش و 3 سال (2000 تا 2002) جهت آزمون مورداستفاده قرار گرفت. ترکیب مختلف داده‌های ورودی و تأخیرهای زمانی متفاوت در این تحقیق مورد ارزیابی قرار گرفت. نتایج نشان داد مدل ترکیبی موجک- رگرسیون فرآیند گاوسی دقت بالاتری را در مدل‌سازی دارا می‌باشد و موجک دیمی با R2 و RMSE برابر با 98/0 و 14/38 بهترین عملکرد را از خود نشان دادند. همچنین نتایج به‌دست‌آمده بیانگر کاهش دقت مدل‌سازی در استفاده از تأخیرهای زمانی سالانه در پیش بینی می باشد.