آمار
| تعداد نشریات | 51 |
| تعداد شماره‌ها | 611 |
| تعداد مقالات | 5,260 |
| تعداد مشاهده مقاله | 10,388,067 |
| تعداد دریافت فایل اصل مقاله | 7,239,693 |
Application of Grey System Theory in Rainfall Estimation | ||
| Biquarterly Research Journal of Control and Optimization in applied Mathematics | ||
| مقاله 2، دوره 2، شماره 2، پاییز و زمستان 2017، صفحه 15-32 اصل مقاله (522 K) | ||
| نوع مقاله: کاربردی | ||
| نویسندگان | ||
Davood Darvishi Salookolaei   1؛ Sifeng Liu2؛ Parvin Babaei3
| ||
| 1Assistant Professor, Department of Mathematics, Payame Noor University, Tehran, Iran. | ||
| 2College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing, China | ||
| 3Master of Science, Department of Mathematics, Payame Noor University, Tehran, Iran. | ||
| چکیده | ||
| Considering the fact that Iran is situated in an arid and semi-arid region, rainfall prediction for the management of water resources is very important and necessary. Researchers have proposed various prediction methods that have been utilized in such areas as water and meteorology, especially water resources management. The present study aimed at predicting rainfall amounts using Grey Prediction Method. It is a novel approach in confrontation with uncertainties in the aquiferous region of Babolrud to serve for the water resources management purposes. Therefore, expressing the concepts of Grey Prediction Methods using the collected data, at a 12-year timeframe of 2006 and 2017, rainfall prediction in 2018 and 2022 were also implemented with three methods GM(1,1), DGM(2,1) and Verhulest models. According to the calculated error and the predictive power, GM(1,1) method is better than other models and was placed within the set of good predictions. Also, we predict that in 2027, there might be a drought. According to the small samples and calculations required in this approach, the method is suggested for rainfall prediction in inexact environments. The authors can use fuzzy grey systems to predict the amount of rainfall in uncertaint environments. | ||
| کلیدواژه‌ها | ||
| prediction؛ Grey system؛ Water resources management؛ Rainfall amount؛ Absolute prediction error | ||
| عنوان مقاله [English] | ||
| کاربرد نظریه سیستم های خاکستری در پیش بینی بارش باران | ||
| نویسندگان [English] | ||
| داود درویشی سلوکلایی1؛ سی فنگ لیو2؛ پروین بابایی3 | ||
| 1استادیار گروه ریاضی دانشگاه پیام نور، تهران، ایران | ||
| 2استاد تمام، چین، نانجینگ، دانشگاه هوانوردی و فضانوردی، گروه اقتصاد و مدیریت | ||
| 3کارشناسی ارشد، گروه ریاضی، ایران، یزد، دانشگاه یزد، گروه ریاضی، صندوق پستی 89195-741 | ||
| چکیده [English] | ||
| با وجود ایران در اقلیم خشک و نیمه‌خشک، پیش‌بینی میزان بارش به منظور مدیریت منابع آب بسیار مهم و ضروری است. روش‌های پیش‌بینی مختلفی در زمینه پیش بینی توسط پژوهشگران ارائه گردیده که در زمینه آب و هواشناسی خصوصا مدیریت منابع آب مورد استفاده قرارگرفته است. هدف از این پژوهش، پیش بینی میزان بارش باران با استفاده از مدل پیش‌بینی خاکستری که رویکردی نوین در مواجهه با عدم قطعیت است، در منطقه آبخیز بابل رود به منظور مدیریت منابع آبی می‌باشد. ازاین‌رو، ضمن بیان مفاهیم روش پیش‌بینی خاکستری با استفاده از داده‌های جمع‌آوری‌شده در یک دوره 12 ساله 2006 تا 2017، پیش بینی بارش سه روش( GM(1,1)، DGM(2,1 و Verhulest در سال های 2018 و 2022 محاسبه گردید. با توجه به خطای محاسبه شده و قدرت پیش بینی، روش( GM(1,1 از روش های دیگر بهتر است و در دسته پیش بینی های خوب قرار گرفته است. با توجه به حجم کم داده‌های موردنیاز و محاسبات در این رویکرد پیشنهاد می‌شود در محیط‌های عدم قطعیت، این رویکرد برای پیش‌بینی ها استفاده گردد.پژوهشگران می توانند از سیستم های فازی خاکستری برای پیش بینی میزان بارش باران در محیط های عدم قطعیت استفاده کنند. | ||
| کلیدواژه‌ها [English] | ||
| پیش بینی, سیستم خاکستری, مدیریت منابع آب, میزان بارش باران, خطای پیش بینی مطلق | ||
| مراجع | ||
|
bibitem{1} Alvisi S., Franchini M. (2012). ``Grey neural networks for river stage forecasting with uncertainty", Physics and Chemistry of the Earth, 42-44, 108--118.
bibitem{2} Box G.E., Jenkins G.M., Reinsel G.C., Ljung G.M. (2015). ``Time Series Analysis: Forecasting and Control", John Wiley & Sons: Hoboken, NJ, USA.
bibitem{3} Chuan C. (1997). ``Weather prediction using artificial neural network", Hydrology, 230, 110--119. bibitem{4} Deng J.L. (1982). ``The control problems of grey systems", System Control Letter, 5, 288--294. bibitem{5} Deng J.L. (1989). ``Introduction to grey system theory", The Journal of Grey System, 1(1), 1--24. bibitem{6} Diez J., Deljesus, M. (2017). ``A rainfall analysis and forecasting tool", Environmental Modeling Software, 97, 243--258. bibitem{7} EL-Shafie A., Mukhlisin M., Najah A.A., Taha M.R. (2011). ``Performance of artificial neural network and regression techniques for rainfall-runoff prediction", Physical Sciences, 6(8), 1997--2003. bibitem{8} Kayacan E., Ulutas B., Kaynak O. (2010). ``Grey system theory-based models in time series prediction", Expert Systems with Applications 37, 1784--1789. bibitem{9} Lewis C.D. (1982). ``Industrial and Business Forecasting Methods: A Practical Guide to Exponential Smoothing and Curve Fitting", Butterworth Scientific London, UK. bibitem{DGM} Li J. (2012). ``The optimization DGM(2,1) model and its application", Journal of Grey System, 24(2), 181--186. bibitem{10} Li, C., Cabrera D., Oliveira J.D., etc, (2016). ``Extracting repetitive transients for rotating machinery diagnosis using multiscale clustered grey infogram", Mechanical System on Signal Processing. 76-77, 157--173. bibitem{11} Li K., Zhang, T. (2018). ``Forecasting Electricity Consumption Using an Improved Grey Prediction Model ", Information, 9, 1--18. bibitem{12} Liu S., Lin L. (2006). ``Grey Information Theory and Practical Applications", Springer, London. bibitem{13} Liu S.F., Forrest J., Yang Y.J. (2012). ``A brief introduction to grey systems theory", Grey System: Theory Application, 2(2), 89--104. bibitem{14} Liu S.F., Lin Y. (2010). ``Grey Systems Theory and Applications ", Springer-Verlag, Berlin Heidelberg, 107--147. bibitem{15} Liu S., Yang Y. and Forrest J. (2017). ``Grey Data Analysis", Springer, Singapore. bibitem{16} Liu S., Yang Y., Xie N., Forrest J. (2016). ``New progress of grey system theory in the new millennium", Grey Systems: Theory and Application, 6(1), 2--31. bibitem{17} Liu S., Zeng B., Liu J., Xie N., Yang Y. (2015). ``Four basic models of GM(1,1) and their suitable sequences", Grey Systems: Theory and Application, 5(2), 141--156. bibitem{18} Miao C., Ashouri H., Hsu K., Sorooshian S., Duan Q. (2015). ``Evaluation of the PERSIANN-CDR daily rainfall estimates in capturing the behavior of extreme precipitation events over china", Journal of Hydrometeorology, 16(3), 1387--1396. bibitem{19} Neiman P., White A., Ralph F., Gottas D., Gutman S. (2009). ``A water vapour flux tool for precipitation forecasting", Proceedings of the Institution of Civil Engineers Water Management, 162, 83--94. bibitem{20} Obukhov A.M. (1971). ``Turbulence in an atmosphere with a non-uniform temperature", Boundary-layer Meteorology, 2(1), 7--29. bibitem{21} Ren J. (2018). ``GM(1,N) method for the prediction of anaerobic digestion system and sensitivity analysis of influential factors", Bioresource Technology, 247, 1258--1261. bibitem{22}Sorooshian S., AghaKouchak A., Arkin P., Eylander J., Foufoula-Georgiou E., Harmon R., et al., (2011). ``Advancing the remote sensing of precipitation", Bulletin of the American Meteorological Society. 92(10), 1271--1272. bibitem{23}Tsai S.B., Xue Y. Zhang J., Chen Q., Liu Y., Zhou J., Dong W. (2017). ``Models for forecasting growth trends in renewable energy", Renewable and Sustainable Energy Reviews, 77, 1169--1178. bibitem{24}Weia B., Xie A., Hu A. (2018). ``Optimal solution for novel grey polynomial prediction model", Applied Mathematical Modelling, 62, 717--727. bibitem{Wen} Wen K. L., Huang Y. F. (2004). ``The development of grey Verhulst toolbox and the analysis of population saturation state in taiwan–fukien'', International Conference on Systems, Man and Cybernetics, Netherlands, 6, 5007--5012. bibitem{25} Wright D., Mantilla R., Peters-Lidard C. (2017). ``A remote sensing-based tool for assessing rainfall-driven hazards", Environmental Modelling and Software. 90, 34--54.
bibitem{26} Wu L., Liu S., Fang Z., Xu H. (2015). ``Properties of the GM(1,1) with fractional order accumulation", Applied Mathematics and Computation, 252, 287--293. bibitem{27} Ye R., Lu X., Liu H. (2013). ``Local tomography based on grey model", Neurocomputing, 101(4), 10--17. bibitem{28} Zeng B., Tan Y., Xu H., Quan J., Wang L., Zhou X. (2018). ``Forecasting the electricity consumption of commercial sector in Hong Kong using a novel grey dynamic prediction model", Journal of Grey System, 30(1), 159--174. | ||
|
آمار تعداد مشاهده مقاله: 199 تعداد دریافت فایل اصل مقاله: 108 |
||
