مهندسین مشاور طرح و تحقیقات آب و فاضلاب اصفهان مجله آب و فاضلاب 1024-5936 23 2 2012 07 01 Development of K-Nearest Neighbour Regression Method in Forecasting River Stream Flow توسعه روش رگرسیون K- نزدیک‌ترین همسایگی در پیش‌بینی جریان رودخانه 108 119 1666 FA محمد عزمی دانشجوی دکترای مهندسی منابع آب، دانشکده فناوری و مهندسی کشاورزی، دانشگاه تهران شهاب عراقی‌نژاد استادیار مهندسی منابع آب، دانشکده فناوری و مهندسی کشاورزی، دانشگاه تهران Journal Article 2010 03 01 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. 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. https://www.wwjournal.ir/article_1666_86d7c8a08b4aaa1bc7c599473f5dddda.pdf