توسعه روش رگرسیون k- نزدیک ترین همسایگی در پیش بینی جریان رودخانه
Abstract(in Persian; no English abstract is available)
روشهای مختلف آماری، غیرآماری و جعبه سیاه در فرایندهای پیش بینی جریان رودخانه استفاده می شوند. از میان روشهای آماری، روش رگرسیون ناپارامتری k- نزدیک ترین همسایگی به واسطه پایه ریاضی و سادگی ذاتی، یکی از روشهای مناسب در فرایندهای پیش بینی است. در این تحقیق ضمن معرفی کامل روش k-nn به تشریح راهکارهای توسعه و بهبود این روش پرداخته می شود که از آن جمله می توان به معرفی روشهای تخمین بهترین همسایگی، توابع انتقال اطلاعات (پیش پردازش)، توابع فاصله سنجی و روش پیشنهادی برای برونیابی اشاره کرد. روش پیش بینی k-nn به همراه راهکارهای توسعه آن بر روی مطالعه موردی پیش بینی آورد حوضه بالادست سد زاینده رود اجرا شد. مقایسه نتایج نهایی روش k-nn کلاسیک با روش اصلاح شده k-nn (تعداد همسایگی 5، تابع انتقال دامنه مقیاس، تابع فاصله سنجی ماهانالوبیس و اعمال روش برونیابی پیشنهادی) نشان می دهد که مدل بهبود یافته در پارامترهای نکویی برازش، ریشه میانگین مربعات خطا، درصد حجم خطا و میزان همبستگی به ترتیب 45 ، 59 و 17درصد بهبود عملکرد داشته است. این نتایج، ضرورت اعمال راهکارهای ذکر شده را برای استخراج پیش بینی های دقیق تر نشان می دهد.
Authors and affiliations
- محمد عزمی — دانشجوی دکترای مهندسی منابع آب، دانشکده فناوری و مهندسی کشاورزی، دانشگاه تهران
- شهاب عراقی نژاد — استادیار مهندسی منابع آب، دانشکده فناوری و مهندسی کشاورزی، دانشگاه تهران