تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,485,739 |
تعداد دریافت فایل اصل مقاله | 15,213,147 |
مقایسه فیلترینگ امواج تجزیه موجکی و میانگینهای متحرک (مطالعه موردی: ایستگاه ونیار در حوضه آجی چای) | ||
دانش آب و خاک | ||
مقاله 15، دوره 24، شماره 3، آذر 1393، صفحه 191-203 اصل مقاله (607.85 K) | ||
نوع مقاله: مقاله پژوهشی | ||
چکیده | ||
دراین مطالعه رابطه بین امواج تجزیه شده جریان روزانه رودخانه آجی چای درایستگاه ونیار از طریق موجک و فیلتر میانگین متحرک مورد بررسی قرار گرفته است .ابتدا با استفاده از تجزیه موجک، توزیع فرکانسهای سری زمانی جریان روزانه براساس مقیاس به فرکانسهای بالا و پایین تجزیه و زیر سریهای تقریبی برای مقیاسهای بالاتر برآورد گردیده است. درمرحله بعد فیلتر میانگین متحرک برای کاهش و حذف نویزهای تصادفی در سری دادههای جریان روزانه مورد استفاده قرار گرفت. نتایج حاصل بیانگر عملکرد مشابه دو روش تجزیه موجک و میانگین متحرک برای صاف یا هموار نمودن سیگنال و کاهش نویزهای سری جریان روزانه رودخانه آجی چای برای سطح های تجزیه 1 الی 10 است. ضمناْ از معیار کمی ضریب همبستگی نیز برای بررسی تشابه عملکرد دو روش مذکور استفاده و نتایج نشان از همبستگی بالای مقادیر حاصل از دو روش بکار رفته در مطالعه دارد. | ||
کلیدواژهها | ||
زیر سری تقریبی؛ صاف کردن؛ فرکانس؛ موجک؛ میانگین متحرک | ||
مراجع | ||
ابراهیمی ل و بارانی غ، 1384. آنالیز موجکی دبی های ورودی به مخزن سد ونیار تبریز. صفحههای 2335 تا 2342 مجموعه مقالات دومین کنفرانس سراسری آبخیزداری و مدیریت منابع آب و خاک،3-4 اسفندماه، دانشگاه کرمان، کرمان. رستمی م، فاخری فرد ا، قربانی م، دربندی ص و دین پژوه ی، 1391. بررسی کاربرد آنالیز موجک در پیشبینی دبی رودخانه علوم و مهندسی آبیاری (مجله ی علمی کشاورزی)، جلد ۳۵، شماره 2. صفحههای 73-81. طوفانی پ، مساعدی ا و فاخری فرد ا، 1390. پیش بینیبارندگیبا استفاده مستقیم از نظریه موجک (مطالعه موردی: ایستگاه بارانسنجی زرینگل استان گلستان)، نشریه آب و خاک (علوم و صنایع کشاورزی) ، جلد ۲۵ ، شماره ۵، آذر - دی، صفحههای 1217- ۱۲۲۶. مهدیخانی ح و ابریشم چی ا، 1385. تخمین هوشمند دبی جریان ورودی به مخزن با استفاده از مدل تلفیقی شبکه عصبی و تبدیلات موجک. (مطالعه موردی: سد مخزنی دز)، دومین کنفرانس مدیریت منابع آب ایران،3-4 بهمن، دانشگاه صنعتی اصفهان، اصفهان. Daubechies I, 1990. The wavelet transform time-frequency localization and signal analysis. IEEE Trans Inform Theory 36: 961–1004. Donho LD and Johnstone IM,1995. Adapting to unknown smoothness via wavelet shrinking, Journal of American State Assoc 90: 1200-1224. Farahani SD and Kowsary F,2010. Comparison of the mollification method, wavelet transform and moving average filter for reduction of measurement noise effects in inverse heat conduction problems transaction B: Mechanical Engineering. Sharif University of Technology 17(4): 301-314. Grossman A and Morlet J,1984. Decomposition of hardy function into square integrable wavelets of constant shape. SIAM Journal of Mathematical Analysis 15: 732-736. Lucero OA and Rodriguez NC, 2000. Statistical characteristics of inter decadal fluctuations in the Southern Oscillation and the surface temperature of the equatorial Pacific. Atmospheric Research 54: 87–104. Mallat S,1989.Throries for multi resolution signal decomposition: the wavelet representation, IEEE Pattern Anal and Machine Intell 11(7): 93-674. Morlet J, Arehs G, Fourgeao I and Giard D, 1982. Wave propagation andsampling theory. Geophysics 47(2): 203- 221. Nakken M,1999. Wavelet analysis of rainfall-runoff variability isolating climatic from anthropogenic patterns. EnvironModelling Software 14: 283–295. Partal T and Kisi O, 2007. Wavelet and neruro- fuzzy conjunction model for precipitation forecasting. Journal of Hydrology 342: 199- 212. Rioul O and Vetterli M,1991. Wavelet and signal processing. IEEE Signal Processing Magazine 8:14-38. Satyaji R and Krishna B, 2009. Modeling hydrological time series data using wavelet neural network analysis. Joint International Convention of Assembly and 37th IAH Congress Water: A Vital Resource under Stress. 6-12 September, Delhi. India. Sifuzzaman M, Islam MR and Ali MZ, 2009. Application of wavelet transform and its advantages compared to fourier transform. Journal of Physical Sciences 13:121-134. Wornell G.W,1996. Signal Processing with Fractals: A Wavelet- Based Approach. Prentice- Hall, Englewood Cliffs, NJ. Zhang P, Geng R and Shen G,2002. Application ofwavelet Transformof acoustic emission testing. .Journal of non-destructive testing 24(10):436-442. | ||
آمار تعداد مشاهده مقاله: 1,661 تعداد دریافت فایل اصل مقاله: 877 |