طراحی شبکه پایش سطح آب زیرزمینی با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان (ls-svm)
نویسندگان
چکیده
این مطالعه روشی برای طراحی شبکههای پایش کمّی آب زیرزمینی به منظور کاهش نقاط پایش مکانی اضافی ارائه میکند؛ چاههای اضافی، که اگر نمونهگیری نشوند، خطای تخمین سطح آب زیرزمینی آن ها قابل چشم پوشی است. این روش مبتنی بر روش ماشین بردار پشتیبان بر پایة تئوری یادگیری آماری است. در این مطالعه، با استفاده از اطلاعات کمّی 63 چاه مشاهداتی و پارامترهای هواشناسی (بارندگی و تبخیر) دشت رامهرمز، در دورة 7 ساله، عملکرد مدل حداقل مربعات ماشین بردار پشتیبان (ls-svm) در طراحی شبکة برداشت چاههای مشاهداتی آب زیرزمینی بررسی شد. ترکیبهای مختلف پارامترهای اثرگذار بر تراز سطح آب زیرزمینی با استفاده از مدل ls-svm ارزیابی شد. ترکیب برتر مدل ls-svm دربرگیرندة شاخصهای عملکرد (3405/0mae=و 9992/0= 2r) است. سپس، با استفاده از تابع تقریب بهینه، 42 عدد چاه مشاهداتی به منظور پایش مکانی مناسب در منطقة دشت رامهرمز مشخص شد.
منابع مشابه
طراحی شبکه پایش سطح آب زیرزمینی با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)
این مطالعه روشی برای طراحی شبکههای پایش کمّی آب زیرزمینی به منظور کاهش نقاط پایش مکانی اضافی ارائه میکند؛ چاههای اضافی، که اگر نمونهگیری نشوند، خطای تخمین سطح آب زیرزمینی آنها قابل چشمپوشی است. این روش مبتنی بر روش ماشین بردار پشتیبان بر پایة تئوری یادگیری آماری است. در این مطالعه، با استفاده از اطلاعات کمّی 63 چاه مشاهداتی و پارامترهای هواشناسی (بارندگی و تبخیر) دشت رامهرمز، در دورة ...
متن کاملپیشبینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)
مدلهای داده محور از جمله ابزارهایی هستند که به منظور شبیهسازی در علوم مختلف استفاده میشوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیراً در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدلها با شبیهسازی فرآیند بارش-رواناب، مقدار رواناب را در حوزههای آبخیز بدون ایستگاه اندازهگیری و با حداقل زمان ممکن و کمترین هزینه برآورد میکنند. هدف ا...
متن کاملپیش بینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (ls-svm)
مدل های داده محور از جمله ابزارهایی هستند که به منظور شبیه سازی در علوم مختلف استفاده می شوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیراً در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدل ها با شبیه سازی فرآیند بارش-رواناب، مقدار رواناب را در حوزه های آبخیز بدون ایستگاه اندازه گیری و با حداقل زمان ممکن و کمترین هزینه برآورد می کنند. هدف ا...
متن کاملارزیابی مدل حداقل مربعات ماشین بردار پشتیبان در برآورد تبخیر و مقایسه با مدلهای تجربی
در این تحقیق با استفاده از پارامترهای هواشناسی در دشت بیرجند در استان خراسان جنوبی در دوره 16 ساله به ارزیابی عملکرد آزمون گاما و مقایسه دقت مدلهای حداقل مربعات ماشینبردار و روشهای تجربی بهمنظور تخمین میزان تبخیر پرداخته شد. با استفاده از روش آزمون گاما از میان پارامترهای تأثیرگذار بر تبخیر، پارامترهای بهینه ورودی جهت مدلسازی تخمین تبخیر از میان 90 ترکیب معین، تعیین گردید. تعداد 7 ترکیب ب...
متن کاملشبیه سازی نوسانات سطح آب زیرزمینی با استفاده از ترکیب ماشین بردار پشتیبان و تبدیل موجک
امروزه در بسیاری از کشورهای جهان، به ویژه در مناطقی که با کمبود آبهای سطحی مواجه هستند، بهرهبرداری از منابع آب زیرزمینی بیش از پیش مورد توجه قرار گرفته است. بهرهبرداری بیرویه از این منابع، بدون بهرهگیری از مطالعات منابع آب زیرزمینی میتواند مشکلات و پیامدهای جبرانناپذیری را بهبار آورد. مدیریت صحیح این منابع با شناخت کامل و آگاهی از این منابع امکانپذیر است. در این تحقیق از مدل ماشین بردا...
متن کاملکاربرد روشهای شبکهی بیزین و حداقل مربعات ماشین بردار پشتیبان در پیش بینی تراز سطح آب دریاچه ارومیه
سابقه و هدف: دریاچه ارومیه به عنوان یک اکوسیستم آبی مهم در شمال غرب ایران واقع شده است. در 14 سال اخیر میانگین تراز سطح آب دریاچه ارومیه به 2/1272 متر تقلیل پیدا کرده و این به این معنی است که اختلاف تراز سطح اکولوژیک دریاچه و تراز سطح کنونی 2 متر است. خشک شدن دریاچه ارومیه باعث بروز مسائل و بحرانهای جدی برای حوضه، استانهای مجاور و کشور خواهد شد. در این تحقیق از پارامترهای موثر مستقیم و غیر مس...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
تحقیقات آب و خاک ایرانناشر: پردیس کشاورزی و منابع طبیعی دانشگاه تهران
ISSN 2008-479X
دوره 45
شماره 4 2014
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023