ارزیابی مدل های جنگل تصادفی و هیبریدی سری زمانی در شبیه سازی دومتغیره هدایت الکتریکی

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 165

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWIM-12-4_004

تاریخ نمایه سازی: 8 بهمن 1401

چکیده مقاله:

پارامترهای کیفی رودخانه اعم از هدایت الکتریکی وابستگی زیادی به تغییرات دبی جریان دارند. اضافه شدن پارامتر دبی جریان به شبیه­سازی این پارامتر می­تواند قطعیت نتایج شبیه­سازی را افزایش دهد. به همین دلیل در این مطالعه جهت مدل­سازی مقادیر هدایت الکتریکی در ایستگاه­های گردیعقوب، کوتر و بیطاس در زیرحوضه مهابادچای با درنظرگرفتن مقادیر دبی جریان، از مدل­های جنگل تصادفی، CARMA و CARMA-GARCH استفاده شد. در این خصوص از مقادیر ماهانه هدایت الکتریکی و دبی جریان در دوره آماری ۱۳۶۵ تا ۱۳۹۷ بهره گرفته شد. نتایج بررسی­ها با استفاده از آماره نش- ساتکلیف، جذر میانگین مربعات خطا و نمودار ویالونی موردبررسی و مقایسه قرار گرفت. مقادیر آماره­های جذر میانگین مربعات خطا و نش- ساتکلیف بیانگر بهبود نتایج شبیه­سازی مدل CARMA-GARCH نسبت به مدل CARMA در دو ایستگاه بیطاس و کوتر و هم چنین مرحله آموزش در ایستگاه گردیعقوب بود. نتایج نشان داد که تلفیق مدل غیرخطی و خطی توانسته است میزان خطای مدل­سازی را در هر سه ایستگاه گرد یعقوب، کوتر و بیطاس در مرحله آموزش به ترتیب ۵۶/۹، ۷۰/۹ و ۶۸/۲۱ درصد بهبود بخشد. بررسی نمودارهای ویالونی حاکی از دقت و عملکرد قابل قبول مدل­های CARMA و CARMA-GARCH نسبت به الگوریتم جنگل تصادفی بود. به طور کلی نتایج بیانگر آن است که مدل های سری زمانی از دقت بالاتری در شبیه­سازی دومتغیره مقادیر هدایت الکتریکی در منطقه موردمطالعه برخوردار هستند.

نویسندگان

عماد محجوبی

گروه مهندسی آب و محیط زیست، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Abbaszadeh Afshar, M., Behmanesh, J., Khalili, K., & Nazeri Tahroudi, ...
  • Ahmadianfar, I., Jamei, M., & Chu, X. (۲۰۲۰). A novel ...
  • Ahmadianfar, I., Shirvani-Hosseini, S., He, J., Samadi-Koucheksaraee, A., & Yaseen, ...
  • Bollerslev,, Chou, R. Y., & Kroner, K. F. (۱۹۹۲). ARCH ...
  • Breiman, L. (۲۰۰۱). Random Forests. Machine Learning, ۴۵(۱), ۵-۳۲ ...
  • Duan, J. C. (۱۹۹۶). A unified theory of option pricing ...
  • Engle, R. F. (۱۹۸۲). Autoregressive conditional heteroscedasticity with estimates of ...
  • Friedman, J., Hastie, T., & Tibshirani, R. (۲۰۰۱). The elements ...
  • Hintze, J. L., & Nelson, R. D. (۱۹۹۸). Violin plots: ...
  • Jafarzadeh, A., Pourreza-Bilondi, M., Khashei Siuki, A., & Ramezani Moghadam, ...
  • Khashei-Siuki, A., Shahidi, A., Ramezani, Y., Nazeri Tahrudi, M. (۲۰۲۰). ...
  • Laux, P., Vogl, S., Qiu, W., Knoche, H. R., & ...
  • Moffat, I. U., Akpan, E. A., & Abasiekwere, U. A. ...
  • Nash, J. E., & Sutcliffe, J. V. (۱۹۷۰). River flow ...
  • Nazeri Tahroudi, M., & Khalili, K. (۲۰۱۵). Comparing Combined Arma-Parch ...
  • Nazeri Tahroudi, M., Ramezani, Y., De Michele, C., & Mirabbasi, ...
  • Nelson, D. B. (۱۹۹۱). Conditional heteroskedasticity in asset returns: A ...
  • Ramezani, Y., Nazeri Tahroudi, M., & Ahmadi, F. (۲۰۱۹). Analyzing ...
  • Ravansalar, M., & Rajaee, T. (۲۰۱۵). Evaluation of wavelet performance ...
  • Salami, E. S., & Ehteshami, M. (۲۰۱۵). Simulation, evaluation and ...
  • Salas, J. D., Delleur, J. W., Yevjevich, V., & Lane, ...
  • Sayadi Shahraki, A., & Sayadi Shahraki, F. (۲۰۱۹). Simulation of ...
  • Shahidi, A., Ramezani, Y., Nazeri-Tahroudi, M., & Mohammadi, S. (۲۰۲۰). ...
  • Thakur, A. K., Singh, V. P., & Ojha, C. S. ...
  • Tse, Y. K., & Tsui, A. K. C. (۲۰۰۲). A ...
  • Wang, W., Van Gelder, P. H. A. J. M., Vrijling, ...
  • Yusof, F., & Kane, I. L. (۲۰۱۳). Volatility modeling of ...
  • نمایش کامل مراجع