@article { author = {Azmi, Mohammad and Araghinejad, Shahab}, title = {Development of K-Nearest Neighbour Regression Method in Forecasting River Stream Flow}, journal = {Journal of Water and Wastewater; Ab va Fazilab ( in persian )}, volume = {23}, number = {2}, pages = {108-119}, year = {2012}, publisher = {Water and Wastewater Consulting Engineers}, issn = {1024-5936}, eissn = {2383-0905}, doi = {}, abstract = {Different statistical, non-statistical and black-box methods have been used in forecasting processes. Among statistical methods, K-nearest neighbour non-parametric regression method (K-NN) due to its natural simplicity and mathematical base is one of the recommended methods for forecasting processes. In this study, K-NN method is explained completely. Besides, development and improvement approaches such as best neighbour estimation, data transformation functions, distance functions and proposed extrapolation method are described. K-NN method in company with its development approaches is used in streamflow forecasting of Zayandeh-Rud Dam upper basin. Comparing between final results of classic K-NN method and modified K-NN (number of neighbour 5, transformation function of Range Scaling, distance function of Mahanalobis and proposed extrapolation method) shows that modified K-NN in criteria of goodness of fit, root mean square error, percentage of volume of error and correlation has had performance improvement 45% , 59% and 17% respectively. These results approve necessity of applying mentioned approaches to derive more accurate forecasts.}, keywords = {Nearest Neighbour Method,Distance Functions,Mahanalobis Distance,Extrapolation,Zayandeh-Rud River}, title_fa = {توسعه روش رگرسیون K- نزدیک‌ترین همسایگی در پیش‌بینی جریان رودخانه}, abstract_fa = {روشهای مختلف آماری، غیرآماری و جعبه سیاه در فرایندهای پیش‌بینی جریان رودخانه استفاده می‌شوند. از میان روشهای آماری، روش رگرسیون ناپارامتری K- نزدیک‌ترین همسایگی به‌واسطه پایه ریاضی و سادگی ذاتی، یکی از روشهای مناسب در فرایندهای پیش‌بینی است. در این تحقیق ضمن معرفی کامل روش K-NN به تشریح راهکارهای توسعه و بهبود این روش پرداخته می‌شود که از آن جمله می‌توان به معرفی روشهای تخمین بهترین همسایگی، توابع انتقال اطلاعات (پیش‌پردازش)، توابع فاصله‌سنجی و روش پیشنهادی برای برونیابی اشاره کرد. روش پیش‌بینی K-NN به‌همراه راهکارهای توسعه آن بر روی مطالعه موردی پیش‌بینی آورد حوضه بالادست سد زاینده‌رود اجرا شد. مقایسه نتایج نهایی روش K-NN کلاسیک با روش اصلاح شده K-NN (تعداد همسایگی 5، تابع انتقال دامنه مقیاس، تابع فاصله سنجی ماهانالوبیس و اعمال روش برونیابی پیشنهادی) نشان می‌دهد که مدل بهبود یافته در پارامترهای نکویی برازش، ریشه میانگین مربعات خطا، درصد حجم خطا و میزان همبستگی به‌ترتیب 45 ، 59 و 17درصد بهبود عملکرد داشته است. این نتایج، ضرورت اعمال راهکارهای ذکر شده را برای استخراج پیش‌بینی‌های دقیق‌تر نشان می‌دهد.}, keywords_fa = {روش نزدیک‌ترین همسایگی,توابع فاصله‌سنجی,فاصله ماهانالوبیسی,برونیابی,رودخانه زاینده‌رود}, url = {https://www.wwjournal.ir/article_1666.html}, eprint = {https://www.wwjournal.ir/article_1666_20f0363abdb36eef20226078e5da8a3f.pdf} }