ارزیابی عملکرد شبکۀ عصبی مصنوعی (ann) و ماشین بردار پشتیبان (svm) در تخمین مقادیر روزانۀ تبخیر (مطالعۀ موردی: ایستگاه های هواشناسی تبریز و مراغه)

Authors

محمد عیسی زاده

دانشجوی دکتری، مهندسی منابع آب، دانشکدة کشاورزی، دانشگاه تبریز منیر شیرزاد

دانشجوی کارشناسی ارشد سنجش از دور و gis، دانشکدة جغرافیا و برنامه ‏ریزی، دانشگاه تبریز مجید رضایی بنفشه

دانشیار، گروه آب‏وهواشناسی، دانشکدة جغرافیا و برنامه‏ ریزی، دانشگاه تبریز

abstract

تبخیر مؤلفه‏ای اساسی در چرخه هیدرولوژی است و نقش مهمی در مدیریت منابع آب دارد. در این تحقیق عملکرد مدل‏های شبکه عصبی مصنوعی (ann) و ماشین بردار پشتیبان (svm) در تخمین تبخیر روزانه ارزیابی شده است. داده‏های روزانه هواشناسی میانگین دما، سرعت باد، فشار هوا، رطوبت نسبی، بارش، دمای نقطه شبنم، و ساعت آفتابی ایستگاه‏های سینوپتیک تبریز و مراغه، به منزله ورودی مدل‏های ann و svm، برای تخمین تبخیر روزانه استفاده شد. نخست ده ترکیب مختلف از هفت ورودی و سپس ورودی‏های منفرد به منظور تخمین تبخیر به‏کار گرفته شدند. نتایج مدل‏های استفاده‏شده نشان داد که هر دو مدل ann و svm عملکرد قابل قبولی در تخمین تبخیر دارند. ارزیابی نتایج استفاده از ورودی‏های تکی نشان داد که به‏ترتیب کاربرد پارامترهای میانگین دما و ساعت آفتابی‏ـ نسبت به پارامترهای دیگر ـ نتایج بهتری در تخمین تبخیر هر یک از ایستگاه‏ها داشته است. بررسی‏های این تحقیق نشان می‏دهد که اگرچه تفاوت معنی‏داری بین نتایج سه تابع کرنل ماشین بردار پشتیبان وجود ندارد، تابع کرنل پایه شعاعی در مقایسه با توابع کرنل دیگر از دقت زیاد و عملکرد بهتری در تخمین تبخیر روزانه برخوردار است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی عملکرد شبکۀ عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در تخمین مقادیر روزانۀ تبخیر (مطالعۀ موردی: ایستگاه‌های هواشناسی تبریز و مراغه)

تبخیر مؤلفه‏ای اساسی در چرخة هیدرولوژی است و نقش مهمی در مدیریت منابع آب دارد. در این تحقیق عملکرد مدل‏های شبکة عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در تخمین تبخیر روزانه ارزیابی شده است. داده‏های روزانة هواشناسی میانگین دما، سرعت باد، فشار هوا، رطوبت نسبی، بارش، دمای نقطة شبنم، و ساعت آفتابی ایستگاه‏های سینوپتیک تبریز و مراغه، به منزلة ورودی مدل‏های ANN و SVM، برای تخمین تبخیر روزانه ...

full text

مقایسۀ عملکرد مدل درختی M5 با مدل‌های شبکۀ عصبی مصنوعی و ماشین بردار پشتیبان در استخراج منحنی تداوم جریان مطالعۀ موردی: ایستگاه خزانگاه رودخانۀ ارس

یکیاز مهم­ترینو پرکاربردترینعلائمپاسخهیدرولوژیکحوزه، منحنیتداومجریان استو درکاربرد‌هایهیدرولوژیکیبی‌شماری برای آنالیز فراوانیجریان­هایکمینهو سیلابمورد استفادهقرار می­گیرد. برای نمایش محدودۀ کامل دبی رودخانه، از جریان‌های حداقل تا حداکثر سیلاب و منحنی تداوم جریان  (FDC)استفاده می‌شود؛ بنابراین استخراج دقیق این منحنی‌ها با حداقل خطا حائز اهمیت فراوانی است. در این مطالعه کارایی مدل درختی M5 در است...

full text

تحلیل عدم قطعیت مدل‌های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در تخمین بارش

در این تحقیق سعی گردید، ترکیب ورودی و مدل مناسب برای تخمین بارش‌های شهرستان شاهرود تعیین گردد. برای رسیدن به این هدف از داده­های ماهانه هواشناسی شامل تبخیر، دما، رطوبت نسبی هوا، تابش­های خورشیدی، سرعت باد در دوره­ آماری 1342 تا 1394 و مدل­های شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده است. 75 درصد از داده­ها برای واسنجی و 25 درصد دیگر جهت اعتبارسنجی مدل­ها استفاده شده است. در این تحقیق ...

full text

پیش بینی تحرکات شاخص قیمت سهام با استفاده از الگوهای شبکه عصبی مصنوعی(ann)و ماشین بردار پشتیبان(svm)

بورس مکانی برای سرمایه گذاری وکسب درآمد و سود از طریق نگهداری و معامله سهام می باشد. بورس ایران به عنوان یکی از بورسهای نو ظهور و پویا که تغیرات شاخص قیمت سهام در آن بعلت اینکه تحت تاثیر عوامل کلان اقتصادی (سیاست، خط و مشی شرکت ها، شرایط اقتصادی، انتظار سرمایه گذاران در تغییرات بازار و موضوعات روانشناختی) قرار می گیرد غیر خطی، پیچیده، ناپارامتریک و تصادفی است، بنابراین نیازمند مطالعات جدی در زم...

15 صفحه اول

ارزیابی و عملکرد مدل ماشین بردار پشتیبان در تخمین رسوبات معلق رودخانه ها

همواره پدیده انتقال رسوب، بسیاری از سازه های رودخانه ای و سازه های عمرانی را تحت تأثیر قرار داده و عدم اطلاع از میزان دقیق آن خسارات بسیاری را موجب می شود .از این جهت دستیابی به روشی با دقت مناسب برای تخمین میزان بار رسوبی معلق رودخانه ها بسیار حایز اهمیت است. در این پژوهش جهت تخمین رسوبات رودخانه کاکارضا واقع در استان لرستان، از مدل ماشین بردار پشتیبان استفاده گردید و نتایج آن با برنامه ریزی ب...

full text

ماشین بینایی تشخیص‌گر باروری تخم‌مرغ و ارزیابی کارایی شبکه‌های عصبی و ماشین بردار پشتیبان در آن

In this research, a system is proposed for detecting fertility of eggs. The system is composed of two parts: hardware and software. The fabricated hardware provides a platform to obtain accurate images from inner side of the eggs, without harming their embryos. The software part includes a set of image processing and machine vision processes, which is able to detect the fertility of eggs from c...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهش های جغرافیای طبیعی

جلد ۴۹، شماره ۱، صفحات ۱۵۱-۱۶۸

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023