کاربرد ماشین های بردار پشتیبان در مدلسازی منابع آب

thesis
abstract

کمبود آب، تغییرات آب و هوایی و عدم قطعیت های هیدرولوژیکی ضرورت وجود مدلسازی و مدیریت هدفمند منابع آب را آشکار می سازند. مهار کردن و استفاده صحیح از منابع آبهای جاری، توسعه منابع آب زیرزمینی، کاهش اثرات منفی ناشی از سیل و یا خشکسالی و تأمین آب آشامیدنی سالم نیازمند مدلهایی با قابلیت انجام پیش بینی های دقیق ومطمین هستند. مدلسازی داده-محور، از جمله روشهای نوینی است که به سرعت در حال گسترش در زمینه های متنوع علمی می باشد. این شیوه ی مدلسازی می تواند در مسایل گوناگونی جایگزین سایر روشهای شبیه سازی نظیر مدلسازی فیزیکی ویا مدلسازی تجربی شود. این مطالعه، اصول روشی جدید و پیشرفته به نام ماشین های بردار پشتیبان را که بر پایه تیوری یادگیری آماری استوار است، مورد بحث قرار خواهد داد. استفاده از این روش یادگیری باعث افزایش قابلیت عمومیت پذیری ماشین خواهد شد که منجر به بهبود یافتن دقت مدل در مقایسه با سایر روشهای داده-محور پیشین شده است. هدف این پژوهش آشنایی با مفهوم ماشین های بردار پشتیبان، به منظور دستیابی به فرایندهای فیزیکی پیچیده و رفتارهای غیر خطی سیستم های هیدرولوژیکی می باشد. در این پایان نامه عملکرد روش یادگیری مذکور در قالب سه کاربرد مختلف از مدلسازی منابع آب شامل 1) پیش بینی کوتاه مدت رواناب، 2) تخمین سطح تراز آب در چاه مشاهده ای و 3) پیش بینی زمانی-مکانی بارندگی، مورد بررسی قرار گرفته است. بدین جهت ترکیبهای مختلفی از داده ها برای پیش بینی رفتار سیستم های هیدرولوژیکی گفته شده، معرفی می گردند. مقایسه نتایج روش پیشنهادی با نتایج مدل شبکه های عصبی مصنوعی جهت ارزیابی کارایی آن، قابلیت پیش بینی بالای ماشین های بردار پشتیبان را در کاربردهای فوق، روشن می سازد. به عنوان نمونه استفاده از این نوع ماشین یادگیر در تخمین رواناب موجب شده تا جذر مربع میانگین خطا در دو مدل ساخته شده به مقدار 16 و 27 درصد نسبت به روش شبکه های عصبی مصنوعی کاهش یابد. در پنج مدل ارایه شده در کاربرد دوم و همچنین سه مدل پیش بینی بارندگی در کاربرد سوم نیز این کاهش خطا مقدار متوسطی به ترتیب برابر با 12 و72 درصد داشته است. عملکرد موفقیت آمیز این نوع ماشین یادگیر در این تحقیق، امکان توسعه و استفاده از آن را در کاربردهای دیگری از مدلساز ی منابع آب نشان می دهد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

کاربرد ماشین های بردار پشتیبان در فرامدل سازی به منظور استفاده در بهینه سازی تخصیص منابع آب حوضه یی

در این مطالعه، الگوریتم بهینه سازی p s o با مدل جامع شبیه ساز m o d s i m به منظور حل مسئله ی تخصیص منابع آب حوضه ی رودخانه ی اترک تلفیق شده است. تابع هدف مدل منتج p s o-m o d s i m، با مجموعه یی از متغیرهای تصمیم بهره برداری و طراحی مخازن سدها، براساس بهبود شرایط تخصیص آب به نیازها نسبت به شرایط پیش از توسعه ی سیستم کالیبره شد. در ادامه، به منظور بهبود سرعت اجرا و تنظیم مؤثر پارامترهای مدل، نس...

full text

کاربرد ماشین‌های بردار پشتیبان در فرامدل‌سازی به منظور استفاده در بهینه‌سازی تخصیص منابع آب حوضه‌یی

در این مطالعه، الگوریتم بهینه‌سازی P‌S‌O با مدل جامع شبیه‌ساز M‌O‌D‌S‌I‌M به منظور حل مسئله‌ی تخصیص منابع آب حوضه‌ی رودخانه‌ی اترک تلفیق شده است. تابع هدف مدل منتج P‌S‌O-M‌O‌D‌S‌I‌M، با مجموعه‌یی از متغیرهای تصمیم بهره‌برداری و طراحی مخازن سدها، براساس بهبود شرایط تخصیص آب به نیازها نسبت به شرایط پیش از توسعه‌ی سیستم کالیبره شد. در ادامه، به منظور بهبود سرعت اجرا و تنظیم مؤثر پارامترهای مدل، نس...

full text

کاربرد ماشین بردار پشتیبان در تفکیک زون های دگرسانی هیدروترمال با استفاده از سنجنده آستر

در این پژوهش با استفاده از سنجنده آستر تلاش شده است کاربرد الگوریتم ماشین بردار پشتیبان در تفکیک دگرسانی های هیدروترمال ذخایر مس پورفیری مورد مطالعه قرار گیرد. برای آموزش این الگوریتم در مجموع 2204 پیکسل از مناطق کانی سازی شده انتخاب گردید. باندهای 4، 6، 7 و 8 سنجنده آستر برای شناسایی دگرسانی های فیلیک و آرژیلیک و 9 باند محدوده ی مرئی و مادون قرمز نزدیک برای شناسایی دگرسانی پروپیلیتیک به عنوان ...

full text

تخمین عمق حداکثر آب شستگی در پایین دست آب پایه تثبیت بستر با استفاده از روش ماشین های بردار پشتیبان

full text

کاربرد ماشین بردار پشتیبان در طبقه‌بندی کاربری اراضی حوزه چشمه کیله- چالکرود

Classification of land use extraction always been one of the most important applications of remote sensing and why different methods are created. Over time and with greater accuracy were developed more advanced methods that increase the accuracy and the extraction classes that were closer together in terms of quality are better. SVM is one of these methods in the study of this method for the ex...

full text

کاربرد 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 text

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023