ارزیابی و عملکرد مدل ماشین بردار پشتیبان در تخمین رسوبات معلق رودخانه ها
Authors
Abstract:
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 بیان ژن مقایسه شد. پارامترهای دبی جریان، میزان مواد جامد محلول در آب و بارش بعنوان ورودی و پارامتر دبی رسوب بعنوان خروجی مدل در مقیاس زمانی ماهانه، طی دوره آماری (1373-1393) انتخاب شد. معیارهای ضریب همبستگی، جذر میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و نیز مقایسه عملکرد مدل ها مورد استفاده قرار گرفت. نتایج حاصله نشان داد که الگوهای ترکیبی توانسته با استفاده از دو مدل هوشمند مورد بررسی، در تخمین میزان رسوب نتایج قابل قبولی ارائه نماید. لیکن از لحاظ دقت، مدل ماشین بردار پشتیبان با بیشترین ضریب همبستگی (867/0)، کمترین جذر میانگین مربعات خطا(ton/day024/0) و نیز میانگین قدر مطلق خطا (ton/day 017/0) در مرحله صحت سنجی در اولویت قرار گرفت. در مجموع نتایج حاصله نشان داد که مدل ماشین بردار پشتیبان توانایی بالایی در تخمین مقادیر حداقل و حداکثراز خود نشان داده است.
similar resources
ارزیابی عملکرد روشهای مدل درختی M5 و رگرسیون بردار پشتیبان در مدلسازی رسوب معلق رودخانه
همواره پدیده انتقال رسوب، بسیاری از سازههای رودخانهای و سازههای عمرانی را تحت تاثیر قرار داده و عدم اطلاع از میزان دقیق آن خسارات بسیاری را موجب میشود. از این جهت برآورد صحیح بار رسوبی در رودخانهها از نقطه نظر رسوب، فرسایش و کنترل سیلاب بسیار حایز اهمیت است. در این تحقیق، از دو روش نوین دادهکاوی شامل مدل درختی M5 و رگرسیون بردار پشتیبان برای برآورد بار رسوبی معلق رودخانه اهرچای در مقایس...
full textارزیابی عملکرد توابع کرنل در تخمین جریان رودخانه ها با استفاده از ماشین بردار پشتیبان
سابقه و هدف: پیش بینی دقیق رواناب رودخانه ها نقش مهمی در مدیریت بهینه منابع آب در دسترس دارد. در سال های اخیر، ماشین بردار پشتیبان (svm) که یکی از مهمترین مدل های داده کاوی است برای این منظور مورد توجه قرار گرفته است. این مدل یک سیستم یادگیری کارآمد بر مبنای تئوری بهینه سازی مقید است که از اصل استقرای کمینه سازی خطای ساختاری استفاده کرده و منجر به یک جواب بهینه کلی می گردد. همانند مدل های داده ...
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 textمدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی
Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...
full textارزیابی تأثیر پیشپردازش متغیرهای ورودی به مدل ماشین بردار پشتیبان به روش آزمون گاما بهمنظور پیشبینی حجم رسوب معلق
هدف از این مطالعه بررسی تأثیر پیش پردازش متغیرهای ورودی به روش آزمون گاما بر عملکرد مدل ماشین بردار پشتیبان جهت پیشبینی حجم رسوبات معلق رودخانه دویرج، واقع در استان ایلام، برای دورة ۱۹۹۴ـ ۲۰۰۵ است. دبی جریان و بارندگی ورودی مدل و دبی رسوب معلقْ خروجی مدل درنظر گرفته شد. همچنین، طول دورة آموزش مدل با استفاده از آزمون گاما (Gamma Test (GT)) مشخص شد. سپس، به منظور بررسی تأثیر پیش پردازش متغیره...
full textمقایسه عملکرد روش های ماشین بردار پشتیبان و شبکه های بیزین در پیشبینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای)
پیشبینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین مراحل در استفاده بهینه از منابع آبی محسوب میشود. در مطالعه حاضر به منظور پیشبینی جریان رودخانه باراندوزچای از دو روش ماشین بردار پشتیبان (SVM) و شبکههای بیزین (BNs) استفاده شد. دادههای جریان روزانه این رودخانه در محل ایستگاه آبسنجی دیزج در خلال سالهای 1385 تا 1389 برای ایجاد مدل استفاده شد که 80 درصد دادهها...
full textMy Resources
Journal title
volume 8 issue 1
pages 30- 42
publication date 2017-09-23
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023