Ahmadpour A, Mirhashemi S H, Haghighatjou P, Raisi Sistani M R. Performance Evaluation of ARIMA Hybrid Models in the Prediction of Daily Electrical Conductivity (A Case Study of Telazang Hydrometric Station). jwss 2020; 24 (3) :257-268
URL:
http://jstnar.iut.ac.ir/article-1-3980-fa.html
احمدپور عباس، میرهاشمی سید حسن، حقیقت جو پرویز، رئیسی سیستانی محمدرضا. ارزیابی عملکرد مدلهای هیبریدی ARIMA در پیشبینی هدایت الکتریکی روزانه (مطالعه موردی: ایستگاه هیدرومتری تلهزنگ). علوم آب و خاک. 1399; 24 (3) :257-268
URL: http://jstnar.iut.ac.ir/article-1-3980-fa.html
1- گروه مهندسی منابع آب، دانشکده آب و خاک، دانشگاه زابل ، aahmadpour67@yahoo.com
چکیده: (3196 مشاهده)
در این پژوهش از مدل سری زمانی اریما و شبکه استنتاج فازی- عصبی و شبکه عصبی مصنوعی پرسپترون چندلایه و مدلهای هیبریدی ARIMA-ANN, ARIMA- ANFIS برای مدلسازی و پیشبینی پارامتر هدایت الکتریکی جریان روزانه ایستگاه آبسنجی تلهزنگ با طول دوره آماری 49 ساله استفاده شده است. برای این منظور از دادههای روزانه سالهای 1384-1347 برای آموزش مدل و از دادههای سالهای 1396-1385 برای آزمون استفاده شد. برای تأیید صحت مدلهای اریما برازش یافته از توابع خودهمبستگی و خودهمبستگی جزئی باقیماندهها و آماره پورت مانتئو استفاده شد. در مدلسازی و پیشبینی هدایت الکتریکی برای انتخاب پارامتر ورودی مؤثر شبکه استنتاج فازی عصبی و شبکه عصبی مصنوعی از الگوریتم PMI بهره گرفته شد که پارامترهای روزانه منیزیم (با دو روز تأخیر) و سدیم (با یک روز تأخیر) و درجه حرارت (با یک روز تأخیر) و دبی جریان (با دو ماه تأخیر) و اسیدیته (با یک روز تأخیر) با داشتن کمترین مقادیر اکایک و بیشترین مقادیر آماره همپل بهعنوان ورودی شبکه استنتاج فازی عصبی و شبکه عصبی مصنوعی برای مدلسازی و پیشبینی هدایت الکتریکی روزانه معرفی شدند. بررسی معیارهای ارزیابی مدلها تأیید کننده برتری مدل هیبریدی ARIMA-ANFIS با تابع عضویت ذوزنقهای و تعداد تابع عضویت 2 نسبت به سایر مدلها با مقادیر ضریب تبین 86/0و ریشه میانگین مربعات dS/m 29 است همچنین مدل آریما ضعیفترین عملکرد را در مدلسازی و پیشبینی پارامتر کیفی روزانه ایستگاه هیدرومتری تلهزنگ بهخود اختصاص داده است.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومی دریافت: 1398/10/30 | پذیرش: 1399/2/14 | انتشار: 1399/9/10