كليدواژه :
RMSE , ANN , منحني فرمان , رگرسيون بردار پشتيبان , مخزن برق آبي , IPIPP , NLP , SVR , DIPIPP , GA , بهره برداري به هنگام
چكيده فارسي :
تا كنون از ابزارهای متفاوتی مانند الگوریتم ژنتیك (GA) شبكه عصبی (ANN) و ... جهت استخراج قواعد بهره برداری از مخازن برقآبی استفاده شده است. هدف اصلی این تحقیق ارزیابی توانایی رگرسیون بردار پشتیبان (SVR) در استخراج این قواعد براساس روش برنامه ریزی غیرخطی (NLP) می باشد كه تاكنون مورد بررسی قرار نگرفته است. در این تحقیق ابتدا مسئله بهره برداری از سد كارون 3 توسط NLP حل شده و سپس حجم ذخیره و آبدهی مخزن با تاخیرهای زمانی معین به عنوان متغیرهای ورودی و میزان رهاسازی بهینه دوره فعلی كه توسط NLP بدست آمده به عنوان متغیر خروجی در نظر گرفته شده و پس از تعیین گروه های آموزشی و آزمایشی، مقدار رهاسازی در دو رویكرد وابسته به پیش بینی آبدهی در دوره فعلی (DPIPP) و مستقل از پیشبینی آبدهی در دوره فعلی (IPIPP) توسط SVR بوسیله شاخص های ضریب همبستگی (R)، خطای متوسط (E) و جذر میانگین مربع خطا (RMSE) ارزیابی شده است. نتایج حاكی از دقت 97/9% و 97/4% SVR،به ترتیب در بخش آزمایش رویكردهای DPIPP و IPIPP بوده است.