التنبؤ بالجفاف طويل الأجل SPI من خلال دعم انحدار المتجهات

10

الوصف

للجفاف ، الذي يحدث عندما يكون هناك عجز في هطول الأمطار مقارنة بالمتوسط ​​طويل الأجل ، العديد من الآثار. من بين جميع الأحداث المتطرفة التي يسببها المناخ ، يكون للجفاف أكثر العواقب تعقيدًا ، ويرجع ذلك أساسًا إلى صعوبة تحديد بدايتها ونهايتها.
يمكن للتنبؤات طويلة الأجل بالجفاف أن توفر معلومات قيمة للمساعدة في التخفيف من بعض عواقب الجفاف. يمكن إجراء التنبؤات بالجفاف باستخدام نماذج مادية / مفاهيمية أو تعتمد على البيانات. في حين أن النماذج المادية / المفاهيمية جيدة في توفير نظرة ثاقبة لعمليات مستجمعات المياه ، فقد تم انتقادها لكونها صعبة التنفيذ للتنبؤ بالتطبيقات ، وتتطلب العديد من أنواع البيانات المختلفة وتؤدي إلى نماذج شديدة التعقيد. في المقابل ، تحتوي النماذج التي تعتمد على البيانات على الحد الأدنى من متطلبات المعلومات ، وأوقات التطور السريع ، وقد ثبت أنها دقيقة في تطبيقات التنبؤ الهيدرولوجي المختلفة.

تلتزم نماذج SVR بمبدأ تقليل المخاطر الهيكلية بدلاً من مبدأ تقليل المخاطر التجريبية الذي تستخدمه الشبكات العصبية التقليدية. نتيجة لذلك ، تقلل هذه النماذج من خطأ التعميم بدلاً من خطأ التدريب.

في هذا المشروع ، نستخدم نموذج دعم الانحدار المتجه للتنبؤ بالجفاف SPI.

إدخال البيانات في ملف اكسل ، والذي تم جمعه من محطة. يحتوي هذا الملف على الفهرس التالي:

سنة شهر هطول الأمطار EDI NAO SOI
السنة الشهر مؤشر SPI الهطول NAO SOI

يتم استخدام سبعين بالمائة من البيانات لبيانات التدريب وثلاثين بالمائة لبيانات الاختبار.

 

لقد كتبنا ثلاثة برامج MATLAB لهذا المشروع:

برنامج 1: code_SVR1.m
في هذا البرنامج ، استخدمنا فقط SVR للتنبؤ. يمكنك مشاهدة نتيجة هذا البرنامج في الأشكال التالية:

MSE = 0.049157911218592

MAE = 0.199107472481544

RMSE = 0.221715834388506

blank

البرنامج 2: code_SVR2.m
يحتوي SVR على معامل يسمى C. لقد كتبنا حلقة بين 0 إلى 1 ، للعثور على أفضل C لـ SVR.

MSE = 0.045866476313395

MAE = 0.193485813906329

RMSE = 0.214164600981103

blank

blank

البرنامج 3: code_SVR3.m
يحتوي SVR على معامل يسمى C. لقد كتبنا حلقة بين 1 إلى 100 ، للعثور على أفضل C لـ SVR.

MSE = 0.045866476313395

MAE = 0.193485813906329

RMSE = 0.214164600981103

blank

blank

Long-term SPI drought forecasting by Artificial Neural Network (ANN)

Arduino Code for Spin Table Controller

 

+

المراجعات

لا توجد مراجعات بعد.

كن أول من يقيم “التنبؤ بالجفاف طويل الأجل SPI من خلال دعم انحدار المتجهات”

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *