کاربرد داده‌های تیکه‌نگاری‌صوتی در پیش‌بینی کوتاه‌مدت نرخ جریان رودخانه‌ها با استفاده از مدل ترکیبی الگوریتم دسته‌بندی گروهی داده‌ها

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجو کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران،

2 استاد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

3 استادیار، موسسه تحقیقات آب

4 استادیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران،

5 دانشجو کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

10.22060/ceej.2021.19850.7270

چکیده

پیش‌بینی کوتاه‌مدت نرخ جریان رودخانه‌ها اهمیت فراوانی در مدیریت منابع آب و کنترل سیلاب دارد. یکی از مشکلاتی که محققین در این نوع از پیش‌بینی‌ها همواره با آن مواجه هستند؛ نبود یک بانک داده‌ای دقیق و با تفکیک‌پذیری زمانی بالا می‌باشد. فناوری تیکه‌نگاری‌صوتی یکی از روش‌های داده‌برداری نوین است که علاوه بر دقت بالای داده‌های برداشت‌شده دارای تفکیک‌پذیری زمانی بالایی نیز است؛ بنابراین با کاربرد داده‌های برداشت‌شده با استفاده از این فناوری به همراه یک مدل پیش‌بینی مناسب می‌توان به یک پیش‌بینی کوتاه‌مدت دقیق از نرخ جریان رودخانه‌ها دست‌یافت. در این تحقیق تأثیر کاربرد داده‌های برداشت‌شده توسط فناوری تیکه‌نگاری‌صوتی در پیش‌بینی کوتاه‌مدت نرخ جریان توسط مدل ترکیبی الگوریتم دسته‌بندی گروهی داده‌ها، بررسی‌شده و با داده‌های به‌دست‌آمده از روش دبی-اشل مقایسه شده است. به‌منظور جلوگیری از بیش‌برازش شدن مدل پیش‌بینی از معیار اعتبارسنجی کا-فولد استفاده‌شده است. نتایج این تحقیق نشان داد که کاربرد داده‌های تیکه‌نگاری‌صوتی باعث افزایش دقت پیش‌بینی‌ کوتاه‌مدت می‌شود؛ به‌طوری‌که ضریب نَش- ساتکلیف برای پیش‌بینی 1، 6، 12، 24، 48 و 72 ساعته دبی بر روی‌داده‌های برداشت‌شده با روش تیکه‌نگاری‌صوتی به ترتیب (98/0، 96/0، 94/0، 88/0، 73/0 و 54/0) به دست آمد. درحالی‌‌که این مقادیر برای داده‌های برداشت‌شده با روش دبی‌- اشل به ترتیب (97/0، 84/0، 61/0، 27/0، 12/0 و 11/0) محاسبه شد. از دلایل بالا بودن دقت پیش‌بینی انجام‌شده بر روی‌داده‌های تیکه‌نگاری‌صوتی نسبت به داده‌های دبی- اشل می‌توان به تفکیک‌پذیری زمانی بالا و دقت بیشتر داده‌های برداشت‌شده توسط تیکه‌نگاری‌صوتی نسبت به دبی- اشل اشاره کرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Application of Acoustic Tomography Data in Short-Term Forecasting of Streamflow Using Combinatorial GMDH Algorithm (CGA)

نویسندگان [English]

  • Yousef Olfatmiri 1
  • Jabbari Ebrahim 2
  • Masoud Bahreinimotlagh 3
  • Hossein Alizadeh 4
  • Amirhossein Hassanabadi 5
1 MSC Student, Iran University of Science and Technology / Faculty of Civil Engineering
2 Professor, Iran University of Science and Technology / Faculty of Civil Engineering
3 Assistant Professor, Water Research Institute
4 Assistant Professor, Iran University of Science and Technology / Faculty of Civil Engineering
5 MSC Student, Iran University of Science and Technology / Faculty of Civil Engineering
چکیده [English]

Short-term forecasting of streamflow is one of the most important goals in water resources management and flood control. However, one of the problems that researchers always face in this type of prediction is the Lack of an accurate and high time resolution database. The Fluvial Acoustic Tomography (FAT) is an innovative method of data gathering which has both high accuracy and high-resolution time. Therefore, by using the data collected from this technology with a suitable forecast model, accurate short-term streamflow forecasting can be achieved. In this research, the effect of FAT data on short-term streamflow forecasting by Combinatorial GMDH Algorithm (CGA) has been investigated and compared with one obtained from the Rating Curve method. The k-fold cross-validation criterion has been used to prevent over-fitting. The results showed that the FAT data increases the accuracy of short-term forecasting. As an example, the Nash-Sutcliffe coefficient (ENS) for the 1, 6, 12, 24, 48, and 72 hours forecast were 0.98, 0.96, 0.94, 0.88, 0.73, and 0.54, respectively. While these values for the Rating Curve ones were 0.97, 0.84, 0.61, 0.27, 0.12, and 0.11, respectively.

کلیدواژه‌ها [English]

  • GMDH Algorithm
  • short-term forecasting
  • Acoustic tomography
  • Rating Curve
  • algorithm