ارزیابی فراکتالی از روش پیش پردازش موجکی گروه های زمانی جریان رود: مطالعه ی موردی رود قره آقاج در استان فارس

نویسندگان

• محمدهادی فتاحی ¹
• ناصر طالب بیدختی ²
• غلامرضا رخشنده رو ³
• ابوالفضل شمسایی ⁴

¹ استادیار گروه مهندسی عمران دانشگاه ازاد اسلامی واحد مرودشت

² استاد دانشکده مهندسی دانشگاه شیراز

³ دانشیار دانشکده مهندسی دانشگاه شیارز

⁴ استاد دانشکده مهندسی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

چکیده

در تحقیق حاضر، از روش تحلیل موجکی برای پیش پردازش سری‌های زمانی جریان رود استفاده شده است. با استفاده از تبدیلات پیوسته و گسسته موجکی نشانه‌ی مورد مطالعه که همان گروه زمانی جریان رود قره‌آغاج در چند ایستگاه مورد مطالعه می‌باشد، به نشانه‌های تقریب و جزییات تجزیه می‌گردند. نشانه‌ی تقریب نشان‌دهنده‌ی روند پایه جریان و نشانه‌ی اختلال در واقع نماینده بی نظمی‌ها، تغییرات و جهش‌های سریع در گروه زمانی می‌باشند. با کاربرد تحلیل فراکتال ضریب H هریک از نشانه‌های نامبرده در ایستگاه‌های مختلف به دست آمده و از آن طریق ضریب همبستگی و درجه پایایی گروه‌های زمانی جریان رود قبل و بعد از پیش پردازش موجکی، برآورد گردیده است. کارمایه متوسط نشانه نیز از روش تحلیل طیفی در هر حالت محاسبه گردیده است. با بررسی ضرایب همبستگی و کارمایه‌ی متوسط نشانه، مشخص است که گروه‌های زمانی پس از حذف اختلالات دارای همبستگی بالاتری می‌باشند که از افزایش حافظه گروه حکایت می کنند، در عین حال، کارمایه متوسط نشانه نیز پس از حذف اختلالات بطور معنی‌داری کاهش می‌یابد، به گونه‌ای که می‌توان عنوان کرد که بیش از نیمی از کارمایه نشانه مربوط به اختلالات و بی‌نظمی‌های موجود در گروه زمانی می‌باشد. در مرحله‌ی پیش بینی،گروه‌های زمانی جریان که به‌وسیله‌ی تحلیل موجکی پیش پردازش شده‌اند و همچنین گروه‌های غیر پردازش شده به‌وسیله‌ی شبیه شبکه عصبی مصنوعی از نوع پرسپترون چند لایه پیش خوران با الگوریتم آموزش Levenberg-Marquardt پیش‌بینی شده‌اند. نتایج حاصل از افزایش قابل توجه در دقت پیش‌بینی جواب‌های شبیه شبکه‌ی عصبی در صورت استفاده ازروش‌های تحلیلی موجکی درمورد گروه‌های زمانی جریان رود دلالت می‌کنند. نتایج همچنین حاکی از آنند که روش تبدیلات گسسته موجکی در مقایسه با روش تبدیلات پیوسته از کارایی بالاتری برخوردار است.
 

کلیدواژه‌ها

• تحلیل موجکی
• ارزیابی فراکتالی
• قابلیت پیش بینی شدن
• شبیه شبکه ی عصبی مصنوعی

20.1001.1.20086377.1389.3.5.1.4

---