به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "دبی رودخانه" در نشریات گروه "اکولوژی"

تکرار جستجوی کلیدواژه «دبی رودخانه» در نشریات گروه «کشاورزی»
جستجوی دبی رودخانه در مقالات مجلات علمی
  • سید مرتضی سیدیان، مریم سلیمانی، مجتبی کاشانی
    شبیه سازی جریان رودخانه به منظور آگاهی از دبی رودخانه در دوره های زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سال های آینده، در این مطالعه دبی جریان در سه ایستگاه حاجی قوشان، قره شور و تمر در حوضه آبخیز گرگانرود برای سال های آبی 90-1381 شبیه سازی شد. به منظور شبیه سازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (AR) و داده کاوی در قالب ماشین بردار پشتیبان (SVM) به دو صورت ماهانه و هفتگی استفاده شد. نتایج در مقیاس ماهانه نشان داد هر دو روش در ایستگاه تمر، دقت کم و در ایستگاه حاجی قوشان، دقت خوبی دارند. در ایستگاه قره شور SVM توانست ضریب تعیین سری زمانی ماهانه را به مقدار 29/0 افزایش و خطای RMSE را 35 درصد کاهش دهد و شبیه سازی دقیق تری انجام دهد. هر دو روش در ایستگاه های تمر و قره شور دبی هفتگی را با دقت کمی پیش بینی کردند. در ایستگاه حاجی قوشان ضریب تعیین روش سری زمانی هفتگی 91/0 و SVM برابر 86/0 است. آماره DDR نشان داد در ایستگاه حاجی قوشان در مقیاس ماهانه روش SVM نسبت به سری زمانی دارای دقت بیشتری است و در مقیاس هفتگی دقت این دو روش برابر است. نتایج این مطالعه نشان داد که روش SVM در هر دو مقیاس ماهانه و هفتگی دقت بیشتری نسبت به سری زمانی دارد؛ همچنین دقت هر دو روش در مقیاس ماهانه بیشتر از مقیاس هفتگی است.
    کلید واژگان: داده کاوی, دبی رودخانه, سری زمانی, گرگانرود, ماشین بردار پشتیبان
    Seyed Morteza Seyedian, Maryam Soleimani, Mojtaba Kashani
    Accurate forecasting of streamflows has been one of the most important issues as it plays a key role in allotment of water resources. River flow simulations to determine the future river flows are important and practical. Given the importance of flow in the coming years, in this research three stations: Haji Qooshan, Ghare Shoor and Tamar in Gorganrood cachment were simulated in 2002-2011. To simulate river flow, time series (Auto Regression) and data driven based on support vector machine (SVM) was used for both monthly and weekly. The results showed that both methods in Tamar have low precision and Haji Qooshan station have good precision in monthly simulation. SVM increase 0.29 coefficient determination and decreases 0.35 RMSE error in Ghare Shoor station and perform more accurate than time series. Both methods simulate weekly discharge in low precision in Tamar and Ghare Shoor. Coefficient determination of time series is 0.91 and SVM is 0.86 in weekly simulation. DDR statistics show that the SVM has greater precision than time series in monthly simulation and equal precision in weekly simulation in Haji Qooshan station. The results of this study show that the SVM method is more accurate than time series in monthly and weekly simulation. The accuracy of both methods is on monthly basis rather than weekly. The accuracy of both methods is greater on monthly rather than weekly.
    Keywords: river flow, Time series, Gorganrood, support vector machine, data mining
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال