| پیش‌بینی احتمالاتی کوتاه‌مدت بارش با استفاده از شبکه عصبی بازگشتی دروازه‌ای (GRU) |
| کد مقاله : 1170-CONFIHA (R1) |
| نویسندگان |
|
احمد خزائی پول *1، علی سرکارگر اردکانی2، محمدرضا مسعودی مقدم3 1استادیار، دانشکده عمران، دانشگاه جامع امام حسین (ع)، تهران، ایران. 2دانشگاه امام حسین 3دانشگاه شهید بهشتی |
| چکیده مقاله |
| پیش‌بینی کوتاه‌مدت بارش یکی از نیازهای اساسی در مدیریت منابع آب، برآورد رواناب و سامانه‌های هشدار سیلاب است. در این پژوهش، کارایی شبکه عصبی بازگشتی دروازه‌ای (GRU) برای پیش‌بینی بارش یک تا شش ساعت آینده در استان لرستان بررسی شده است. مجموعه داده شامل ۳۴ پنجره رخداد بارشی، ۲۶۹ جفت ایستگاه–رخداد و ۲۷٬۵۷۶ مقدار بارش ساعتی از شبکه‌ای با حداکثر ۱۰ ایستگاه است. به‌منظور جلوگیری از نشت اطلاعات، رخدادها بر اساس ترتیب زمانی به سه بخش آموزش، اعتبارسنجی و آزمون تقسیم شدند. هر نمونه ورودی شامل تاریخچه علّی ۱۲ ساعته و هفت ویژگی زمانی و مکانی است و مدل، بارش شش ساعت آینده را پیش‌بینی می‌کند. با توجه به فراوانی مقادیر صفر در داده‌های بارش، ساختار دو‌بخشی به‌کار گرفته شد تا احتمال وقوع بارش از مقدار بارش در صورت وقوع تفکیک شود. در مجموعه آزمون، مدل GRU به RMSE برابر ۰٫۸۵۶ میلی‌متر و MAE برابر ۰٫۲۶۲ میلی‌متر دست یافت؛ درحالی‌که RMSE روش ماندگاری ۱٫۰۶۹ میلی‌متر بود. بنابراین استفاده از GRU موجب کاهش حدود ۲۰ درصدی RMSE نسبت به روش ماندگاری شد. همچنین بازه‌های پیش‌بینی کانفورمال با سطح اسمی ۸۰ درصد، پوشش تجربی ۷۸٫۱ درصد و میانگین عرض ۰٫۶۲۵ میلی‌متر ایجاد کردند. با وجود عملکرد مناسب در معیار خطای کلی، پوشش بازه‌ها در گام‌های واقعاً بارانی ۴۹٫۹ درصد بود که نشان‌دهنده ضرورت بهبود کالیبراسیون عدم‌قطعیت در شرایط بارندگی است. |
| کلیدواژه ها |
| بارش؛ لرستان؛ پیش‌بینی کوتاه‌مدت؛ شبکه عصبی GRU؛ پیش‌بینی احتمالاتی؛ عدم‌قطعیت؛ هشدار سیلاب |
| وضعیت: پذیرفته شده |
