کاربرد شبکه‌های عصبی بیزین، ماشین بردار پشتیبان و برنامه‌ریزی بیان ژنی در تحلیل بارش – رواناب ماهانه (مطالعه موردی:رودخانه کاکارضا)
Authors
Abstract:
شبیه‌سازی فرآیند بارش - رواناب اولین و مهمترین گام برای کنترل سیلاب در مدیریت منابع آب می‌باشد. در این تحقیق فرآیند بارش – رواناب ماهانه رودخانه کاکارضا واقع در استان لرستان، با استفاده از شبکه عصبی بیزین موردبررسی قرار گرفت و نتایج آن با روش‌های برنامه‌ریزی بیان ژن و ماشین بردار پشتیبان مقایسه گردید. بر این اساس ترکیب‌های مختلفیبا استفاده از پارامترهای بارندگی و رواناب، طی دوره آماری (1392-1348) به‌عنوان ورودی برای تخمین روانابدر مقیاس زمانی ماهانه مورد ارزیابی قرار گرفت. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، ضریب نش ساتکلیف و بایاس برای ارزیابی و نیز مقایسه عملکرد روش‌ها مورداستفاده قرار گرفت. نتایج حاصله نشان داد ساختارهای ترکیبی با استفاده از روش‌هایهوشمند موردبررسی، در شبیه‌سازی فرآیند بارش – رواناب نتایج قابل قبولی ارائه می‌نماید. مقایسه مدلها نشان داد شبکه عصبی بیزین عملکرد بهتری نسبت به سایر مدلها در شبیه‌سازی فرآیند بارش-رواناب دارد. درمجموع روش شبکه عصبی بیزین توانایی بالایی در تخمین مقادیر کمینه، میانی و مقادیر بیشینه رواناب از خود نشان داده است.
similar resources
کاربرد شبکه های عصبی بیزین، ماشین بردار پشتیبان و برنامه ریزی بیان ژنی در تحلیل بارش – رواناب ماهانه (مطالعه موردی:رودخانه کاکارضا)
شبیه سازی فرآیند بارش - رواناب اولین و مهمترین گام برای کنترل سیلاب در مدیریت منابع آب می باشد. در این تحقیق فرآیند بارش – رواناب ماهانه رودخانه کاکارضا واقع در استان لرستان، با استفاده از شبکه عصبی بیزین موردبررسی قرار گرفت و نتایج آن با روش های برنامه ریزی بیان ژن و ماشین بردار پشتیبان مقایسه گردید. بر این اساس ترکیب های مختلفیبا استفاده از پارامترهای بارندگی و رواناب، طی دوره آماری (1392-1...
full textتحلیل 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 textکاربرد روش ماشین بردار پشتیبان و شبکه بیزین در پیش‌بینی خشکسالی کشاورزی
آگاهی از وضعیت خشکسالی و پیش‌بینی شرایط آتی آن نقش مهمی در برنامه‌های مدیریت منابع آب برعهده دارد و در این راستا متغیرهای بارش و دما تأثیر به‌سزایی در شدت و مدت وقوع این پدیده ایفا می‌کنند. با توجه به وضعیت حاکم بر دریاچه ارومیه در سال‌های اخیر و تنش آبی موجود در حوزه آبخیز آن، در این پژوهش، وضعیت خشکسالی در ایستگاه سینوپتیک سقز به‌عنوان یکی از ایستگاه‌های مهم جنوبی حوزه آبخیز این دریاچ...
full textمقایسه عملکرد ماشین بردار پشتیبان با سایر مدلهای هوشمند در شبیه‌سازی فرآیند بارش- رواناب
Simulation of rainfall-runoff process is a major step in water engineering studies and water resources management. In this study, the rainfall-runoff process of the Siminehroud monthly (1377-1390) were simulated using Support Vector Machines (SVM) with Radial Basis kernel Function, Polynomial and linear Bayesian Network (BN) with a PC Learning Algorithm, also conventional methods such as ...
full textکاربرد شبکه بیزین و مدل ماشین بردار پشتیبان در پیش‌بینی تغییرات سطح تراز ایستابی (مطالعه موردی: دشت اردبیل)
آبهای زیرزمینی به‌عنوان یکی از منابع مهم و عمده تأمین آب شرب و کشاورزی، به‌ویژه در مناطق خشک و نیمه‌خشک مطرح بوده است. شبیه‌سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی این سیستمها به‌آسانی میسر نیست. در این مقاله با استفاده از دادههای سطح تراز ایستابی دشت اردبیل در بازه زمانی(1390-1351)، به ارزیابی عملکرد آزمون گاما برای پردازش و انتخاب ورودیهای مناسب و کارایی مدلهای حداقل مربعات ماشین برد...
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 textMy Resources
Journal title
volume 39 issue 2
pages 125- 138
publication date 2016-06-21
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