1404/02/01
صفر معروفی

صفر معروفی

مرتبه علمی: استاد
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس: 18134033500
دانشکده: دانشکده کشاورزی
نشانی: دانشگاه بوعلی سینا- دانشکده کشاورزی
تلفن: 09183143686

مشخصات پژوهش

عنوان
پیش بینی رواناب سطحی با استفاده از مدل SVM و SVM-PSO و ارزیابی عدم قطعیت داده های ورودی با استفاده از روش GLUE
نوع پژوهش
پایان نامه
کلیدواژه‌ها
پیش بینی رواناب ، بارش ، SVM، SVM-PSO، عدم قطعیت، GLUE
سال 1400
پژوهشگران دلنیا مرتضوی(دانشجو)، حامد نوذری(استاد راهنما)، صفر معروفی(استاد راهنما)

چکیده

تجزیه و تحلیل عدم قطعیت پارامتر های مدل و تحلیل خروجی مدل براساس روابط موجود بین پارامتر ها و ورودی های مدل از مهمترین موارد مدلسازی در هیدرولوژی به شمار می آید. در این پژوهش به منظور تحلیل عدم قطعیت پارامتر های ورودی مدل-های SVM و SVM-PSO در پیش بینی رواناب استان همدان از روش عمومی عدم قطعیت تشابهات (GLUE) استفاده شد. بدین منظور با استفاده از آمار بارش زیر حوضه ها، رواناب رودخانه ایستگاه های مورد نظر برای سال آبی 46-1348 تا سال آبی 95-1394 شبیه سازی، سپس با استفاده از روش GLUE عدم قطعیت پارامتر های ورودی مدل های مذکور محاسبه شد. نتایج حاکی از آن است که در هر دو مدل SVM و SVM-PSO، پارامتر های γ و σ در پیش بینی رواناب تاثیر چندانی ندارند و با مقایسه متوسط مقدار خطا ها و ضریب تعیین دو مدل، می توان نتیجه گرفت که کارایی مدل ها در پیش بینی رواناب پایین بوده است اما مدل SVM-PSO نسبت به مدل SVM دارای عملکرد بهتر و دقت بیشتری در پیش بینی رواناب می باشد. در روش GLUE به طور متوسط 12/16 درصد داده های اندازگیری شده برای مدلSVM و 048/9 درصد داده های اندازگیری شده برای مدل SVM-PSO در محدوده اطمینان قرار دارند. میزان متوسط خطا در روش SVM بیشتر از روش SVM-PSO می باشد. همچنین متوسط ضخامت بازه اطمینان در SVM، 263/16 و در مدل SVM-PSO، 535/7 است