چکیده مقاله
پیش بینی جریان آب یکی از مهم ترین بخش های مدیریت منابع آب می باشد پیش بینی های دقیق در بلند مدت برای برنامه ریزی تامین و ذخیره سازی آب و در کوتاه مدت برای پیش بینی جریان های شدید و استفاده آن در سیستم های هشدار سیل حائز اهمیت می باشد مدل های داده مبنا به عنوان روش هایی نسبتاً ساده اما قدرتمند به طور گسترده برای پیش بینی جریان آب استفاده می شوند روش K همسایه نزدیک KNN یک روش یادگیری غیر پارامتری موثر است که در حل مسائل مختلف مورد استفاده قرار می گیرد در این پژوهش، یک روش جدید برای انتخاب همسایه ها به نام K همسایه نزدیک پویا DKKN معرفی شده که با استفاده از یک مدل SVM فواصل بهینه ای یافته شده و همسایگانی که در این فاصله بهینه وجود دارند برای هر مورد پیش بینی استفاده می شوند عملکرد روش پیشنهادی با به کارگیری 2 سال داده ورودی روزانه سد قشلاق در غرب ایران مورد ارزیابی قرار گرفته است نتایج نشان می دهد روش پیشنهادی دقت پیش بینی را با کاهش خطای کلی RMSE به میزان 6% بهبود می دهد که این بهبود در پیش بینی موارد حدی به 7/8% می رسد
کلیدواژه‌ها
نویسندگان
احسان ابراهیمی
کارشناس ارشد، داشنکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی
مجتبی شوریان
استادیار، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی
شیوه ارجاع
�براهیمی، احسان و شوریان، مجتبی،1399،بهبود عملکرد روش KNN در پیش بینی جریان رودخانه با انتخاب هوشمند همسایگی با استفاده از ماشین های بردار پشتیبان،هشتمین کنفرانس ملی مدیریت منابع آب ایران،مشهد
ارائه‌شده در
مجموعه مقالات هشتمین کنفرانس ملی مدیریت منابع آب ایران27 بهمن 1399 · مشهد