ارزیابی وپتانسیل سنجی خطروقوع سیل درشهرجناح با استفاده از الگوریتم ماشین پشتیبان بردار (SVM)
Authors
Abstract:
یکی از انواع فرآیند های دامنه ای که هر ساله موجب خسارت جانی و مالی فراوان در بسیاری از نقاط ایران و جهان می شود وقوع سیل است. شناسایی مناطق مستعد وقوع سیل از طریق پهنه بندی خطر، یکی از اقدامات موثر و ضروری در کاهش خطرات احتمالی و مدیریت آن می باشد. هدف اصلی این پژوهش، ارزیابی وقوع سیل در شهر جناح با استفاده از مدل ماشین بردار پشتیبان می باشد. در ابتدا نقشه DEM محدوده مورد مطالعه را تهیه و سپس اطلاعات را بهصورت تصادفی نسبت 70 به 30 برای ساخت مدل واعتبار سنجیآن تقسیم شدند. اعتبار سنجی و صحت سنجی توسط هشت عامل شیب، جهت شیب، فاصله از جاده، کاربری اراضی، انحنای طولی شیب، انحنای عرضی شیب، ارتفاع، فاصله از رودخانه مورد بررسی قرارگرفته است. نتایج نشان میدهدکه مدل SVM عملکرد خوبی جهت ارزیابی وقوع سیل در منطقه مورد مطالعه دارد و نتایج به دست آمده از این پژوهش می تواند برای برنامه ریزی کاربری اراضی، کاهش خطرات وقوع سیل و تصمیم گیری در مناطق مستعد مفید واقع گردد.
similar resources
بهبود دقت شناسایی غواص با استفاده از الگوریتم کلاسبندی ماشین بردار پشتیبان
ویژگیهای منحصر به فرد و امکان انتشار آسان سیگنال های صوتی در محیط زیرآب، امکان شناسایی و رد گیری اهداف زیر آبی بوسیله آنها را فراهم میکند. از جمله کاربردهای پدافندی سیگنال صوتی در حوزهی دریا میتوان استفاده از سونار برای شناسایی غواص به منظور جلوگیری از نفوذ غواصان در نیروگاه های ساحلی و همچنین حفاظت از تجهیزات بندرگاهی و ... را نام برد. برای این مقصود شناسایی صحیح غواص از سایر اهداف زیر آبی...
full textپیشبینی 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...
full textکاهش تعداد بردارهای پشتیبان در ماشین بردار پشتیبان (svm)
ماشین بردار پشتیبان روش مطلوبی برای طبقه بندی انواع داده هاست، اما مشکل اساسی این روش کاهش چشم گیر سرعت طبقه بندی آن در ازای افزایش ابعاد مسئله است. در این پایان نامه تابع کرنلی که از چندجمله ای متعامد هرمیت مشتق شده و ترکیب این تابع با سایر کرنل های رایج برای ماشین بردار پشتیبان ارائه شده است. این توابع، علاوه بر کاهش تعداد بردارهای پشتیبان که موجب افزایش سرعت خواهد شد، صحت طبقه بندی داده ها ر...
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 ...
full textپیش بینی گرایش احساسی سرمایه گذاران با استفاده ازتکنیکهای ماشین بردار پشتیبان(SVM) و درخت تصمیم(DT)
گرایشهای احساسی سرمایهگذاران بیانگر حاشیه میزان خوشبینی و بدبینی سهامداران نسبت به یک سهم میباشد. احساسات سرمایهگذاران تحت تاثیر پدیدههای روانشناختی، به رفتار افراد جهت میبخشند و در بسیاری از مواقع، موجب انحراف افراد از رفتار عقلایی میشوند. هدف از انجام این پژوهش، بکارگیری روشهای فراابتکاری جهت پیشبینی گرایشهای احساسی سرمایهگذاران است. در این پژوهش با استفاده از 97 نسبت مالی مربوط ...
full textارزیابی عملکرد توابع کرنل در تخمین جریان رودخانهها با استفاده از ماشین بردار پشتیبان
سابقه و هدف: پیشبینی دقیق رواناب رودخانهها نقش مهمی در مدیریت بهینه منابع آب در دسترس دارد. در سالهای اخیر، ماشین بردار پشتیبان (SVM) که یکی از مهمترین مدلهای دادهکاوی است برای این منظور مورد توجه قرار گرفته است. این مدل یک سیستم یادگیری کارآمد بر مبنای تئوری بهینهسازی مقید است که از اصل استقرای کمینهسازی خطای ساختاری استفاده کرده و منجر به یک جواب بهینه کلی میگردد. همانند مدلهای داده...
full textMy Resources
Journal title
volume 12 issue 46
pages 19- 34
publication date 2020-02-20
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023