عنوان پایان‌نامه
مدل تلفیقی آریما و شبکه عصبی مصنوعی در پیش بینی جریان ورودی به مخزن سد دز
- رشته تحصیلی
- مهندسی کشاورزی - مهندسی منابع آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس ابوریحان شماره ثبت: 590;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 52800
- تاریخ دفاع
- ۰۷ اسفند ۱۳۹۰
- دانشجو
- ریحانه بندری
- استاد راهنما
- محمدابراهیم بنی حبیب
- چکیده
- چکیده استفاده بهینه از آب مخازن سدها برای تأمین آب بخش کشاورزی، شرب و صنعت، نیازمند پیش¬بینی جریان ورودی به مخازن سدها در دوره¬های زمانی آتی می¬باشد. در این راستا، پیش¬بینی هرچه دقیق¬تر مقدار جریان رودخانه ضروری است. از سوی دیگر، وجود پیش¬بینی¬های دقیق جریان، موجب افزایش سود در تولید سیستم¬های برقابی، نگهداری جریان¬های مطلوب در سال¬های کم آبی و بازده بیشتر تمهیدات کنترل سیل می¬شود. از این رو اکثر محققان در صدد به کارگیری روش‌ها‌ی جدید¬تر به منظور پیش¬بینی دقیق¬تر جریان رودخانه می‌باشند. در این تحقیق به منظور بهره¬گیری از مزایای منحصر به فرد هر یک از روش‌ها‌ی مدل سازی خطی و غیر خطی و حصول نتایج دقیق¬تر، روش هیبریدی پیشنهادی ARIMA-NARX به منظور پیش¬بینی جریان روزانه ورودی به مخزن سد دز در یک سال آینده استفاده شده است. در روش هیبریدی، جزء خطی داده¬ها توسط مدل آریما پیش¬بینی می¬شود، سپس جزء غیر خطی داده¬ها توسط مدل شبکه عصبی مصنوعی برآورد می¬گردد. در نهایت مجموع دو جزء خطی و غیر خطی محاسبه می¬شود. نتایج نشان می¬دهد که شاخص خطای MARE در مدل هیبریدی پیشنهادی ARIMA-NARX در مقایسه با مدل شبکه عصبی مصنوعی NARX، 46/28 درصد و در مقایسه با مدل آریما (ARIMA) 02/39 درصد بهبود داشته است. بدین ترتیب مقایسه نتایج حاصل بیانگر آن است که مدل هیبریدی پیشنهادیARIMA-NARX ، نسبت به مدل آریما (ARIMA) و شبکه عصبی مصنوعیNARX نتایج دقیق¬تری در پیش‌بینی بلند مدت آبدهی روزانه ورودی به مخزن سد دز دارد. کلمات کلیدی: آریما (ARIMA)، شبکه عصبی مصنوعی NARX، مدل هیبریدیARIMA-NARX، پیش¬بینی بلند مدت جریان روزانه.
- Abstract
- Abstract Optimum usage of dam storage water and efficient use of dam reservoir to supply water for agriculture, industry and urban water require the forecast of the incoming flow to the dam’s reservoir in the future periods. Consequently, the accurate prediction of river flow is very essential. On the other hand, a detailed flow forecast will increase the benefit of hydroelectric system production, maintaining the desire flow at drought years and also more effective flood control structures.Hence, most researchers attempt to invent new methods to forecast river flows more accurately, in this study, to utilize the unique advantages of each of the linear and nonlinear modeling techniques and achieving more accurate results, the proposed hybrid ARIMA-NARX approach is used to predict the input follow to the reservoir of the Dez dam in the next following year. In hybrid method, the linear component of data is predicted by the ARIMA model, and then non-linear component of data estimated by artificial neural network model. Eventually the sum of two linear and nonlinear components is calculated. The results show that MARE error indicator in proposed hybrid model ARIMA-NARX has improved in comparison with artificial neural network model NARX 28.48 percent and also got better 39.02 percent compared with ARIMA model. Results indicate that the proposed hybrid model ARIMA-NARX have more precise results in long term prediction of daily discharge input to the reservoir of Dez Dam compared with ARIMA and artificial neural network (NARX). Keywords: ARIMA, artificial neural network (NARX), hybrid model (ARIMA-NARX), long-term predicting of daily inflow.
