کاربرد اطلاعات متقابل و آزمون گاما برای انتخاب ورودی مدل رگرسیون ماشین بردار پشتیبان در تخمین جریان رودخانه صوفی چای
First Statement of Responsibility
/فاطمه آخونی پورحسینی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: کشاورزی
Date of Publication, Distribution, etc.
، ۱۳۹۵
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی کشاورزی- مهندسی منابع آب
Date of degree
۱۳۹۵/۰۶/۱۶
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
پیش بینی جریان یکی از مطرح ترین چالشصهای منابع آب در دههصهای اخیر بوده است .انتخاب بهترین ترکیب متغیرهای ورودی به مدلصهای هوشمند برای پیش بینی دقیق جریان رودخانهصها از مهمصترین اجزای مدلصسازی میصباشد .در این پایان نامه، ترکیب بهینه ورودی به مدل ماشین بردار پشتیبان با روش آزمون گاما، آنتروپی شانون و اطلاعات متقابل بررسی گردید .در این راستا، سری زمانی جریان ماهانه در دورهصی۱۳۵۳ تا ۱۳۹۲ برای ایستگاه هیدرومتری تازه کند و دورهصی۱۳۶۱ تا ۱۳۹۰برای ایستگاه هیدرومتری اسفستانج در حوضه آبریز صوفی چای استفاده شد .ترکیب بهینه ورودیصها به مدل ماشین بردار پشتیبان با روش آزمون گاما، آنتروپی شانون و اطلاعات متقابل مشخص گردید .سپس جریان روخانه صوفیصچای با مدل ماشین بردار پشتیبان شبیه سازی و با معیارهای ارزیابی ضریب تبیین ( (R۲ و ریشه میانگین مربعات خطا (RMSE) مورد بررسی قرار گرفت .نتایج تحقیق نشان داد که ترکیب بهینه ورودی به مدل ماشین بردار پشتیبان با روش آزمون گاما در ایستگاه هیدرومتری تازه کند شامل۱- Qt،۲- Qt،۳- Qt،۴-Qt،۵- QtوQt - ۶و در ایستگاه هیدرومتری اسفستانج شامل۱- Qt،۲- Qt،۳- Qt،۵- QtوQt - ۶میصباشد .در بخش آنتروپی شانون ترکیب بهینه ورودی به مدل شامل جریان با چهار ماه تاخیر و در روش اطلاعات متقابل ترکیب بهینه ورودی به مدل شامل جریان با سه ماه تاخیر در ایستگاهصهای هیدرومتری تازهصکند و اسفستانج میصباشد .با توجه به نتایج میصتوان گفت ترکیب بهینه ورودی با روش آزمون گاما به مدل ماشین بردار پشتیبان در ایستگاه هیدرومتری تازهصکند و اسفستانج نتایج بهتری ارائه میصدهد .از روش آنتروپی شانون و اطلاعات متقابل میصتوان برای تعیین ترکیب بهینه ورودی به مدل در ردهصهای بعدی استفاده کرد
Text of Note
Accurate estimation of river flow can have a significant importance in water resources management. The most important part of modeling is to select the optimal combination of input variables. In this study, the optimal combination of input variables investigate to Gamma Test, Shannon Entropy and Mutual Information. In this regard, were used the monthly river stream flow in sofichay. The results showed that the optimum combination of inputs to Support Vector Machine using Gamma Test a new hydrometric station Including Qt-1, Qt-2, Qt-3, Qt-4, Qt-5 and Qt-6 and gauging stations Esfestanaj includes Qt-1, Qt-2, Qt-3, Qt-5 and Qt-6. The optimum combination of Shannon Entropy input to the current-carrying models with the four-month delay and the optimal mix of mutual information input to the model includes the current three-month delay in the hydrometric stations and Esfestanaj is fresh. According to the results, it can be said that the optimum combination of input Gamma Test offers better results a new model of Support Vector Machine in hydrometric station and Esfestanaj. Shannon Entropy and Mutual Information method can be used to determine the optimum combination of inputs to the model used in the next category