ارزیابی کارایی مدل LSTM در پیش بینی جریان روزانه ورودی به مخازن سدها
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 53
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-55-10_010
تاریخ نمایه سازی: 1 بهمن 1403
Abstract:
پیش بینی زمان واقعی جریان روزانه ورودی به مخازن با افق پیشبینی چند گام جلوتر جهت برنامه ریزی و مدیریت منابع آب اهمیت زیادی دارد. با وجود مطالعات زیاد پیش بینی جریان با روش های یادگیری ماشین، مطالعات کمی برای بررسی قابلیت های پیش بینی طولانی مدت (چند گام جلوتر) این روش ها و به دست آوردن بینشی نسبت به مقایسه سامان مند عملکرد پیش بینی مدل در کوتاه مدت انجام شده است. در این پژوهش با استفاده از سامانه استنتاج عصبی-فازی تطبیقی (ANFIS) و شبکه حافظه کوتاه و بلند مدت (LSTM) پیش بینی جریان روزانه ورودی به مخزن سیمره تا ۷ روز آینده انجام شد. برای این کار از داده های روزانه بارش، دما و جریان ورودی به سیمره از سال ۱۳۹۱ تا ۱۳۹۷ جهت انجام مدل سازی استفاده شده است. نتایج نشان داد که در پیش بینی روزانه چند گام جلوتر، عملکرد مدل LSTM بهتر از ANFIS است به طوری که بیشینه و کمینه مقدار ضریب نش در افق پیش بینی تا هفت روز آینده به ترتیب برای مدل LSTM برابر ۹۷۱/۰ و ۶۲۸/۰ و برای مدل ANFIS برابر ۸۵۸/۰ و ۳۹۳/۰ می باشد. تنظیم بهینه پارامترهای مربوط به تعداد نرون ها در هر لایه، تعداد تکرارها و تعداد دسته ها در مدل LSTM، کلیدی برای پتانسیل بالای مدل جهت پیش بینی جریان تا افق پیش بینی هفت روز آینده می باشد. درنهایت عملکرد LSTM جهت پیش بینی جریان ورودی به سیمره در سیلاب ۹۸ ارزیابی و مشخص شد که جریان های سیلابی را با دقت قابل قبولی تا افق پیش بینی ۷ روز آینده، پیش بینی کرده است. این یافته ها نشان می دهد که LSTM می تواند در پیش بینی جریان روزانه مناسب باشد. بنابراین برای کمک به تصمیم گیری های راهبردی در مدیریت منابع آب بخصوص در شرایط سیلابی می توان از آن بهره گرفت
Keywords:
Authors
معصومه زینعلی
گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران.
امید بزرگ حداد
گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران.
مهدی یاسی
استاد، گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
حسین علیزاده
گروه آب و محیط زیست، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :