ارزیابی مدل حداقل مربعات ماشین بردار پشتیبان در برآورد تبخیر و مقایسه با مدلهای تجربی

نویسندگان

  • عباس خاشعی سیوکی دانشیار، گروه مهندسی آب، دانشکده‌ کشاورزی، دانشگاه بیرجند، بیرجند، ایران
  • محدثه کاووسی کارشناس ارشد، گروه منابع آب، دانشکده منابع طبیعی، دانشگاه بیرجند، بیرجند، ایران
  • محمدحسین نجفی استادیار، گروه مهندسی آب، دانشکده‌ کشاورزی، دانشگاه بیرجند، بیرجند، ایران
چکیده مقاله:

در این تحقیق با استفاده از پارامترهای هواشناسی در دشت بیرجند در استان خراسان جنوبی در دوره 16 ساله به ارزیابی عملکرد آزمون گاما و مقایسه دقت مدل‌های حداقل مربعات ماشین­بردار و روش‌های تجربی به‌منظور تخمین میزان تبخیر پرداخته شد.  با استفاده از روش آزمون گاما از میان پارامترهای تأثیرگذار بر تبخیر، پارامترهای بهینه ورودی جهت مدل‌سازی تخمین تبخیر از میان 90 ترکیب معین، تعیین گردید. تعداد 7 ترکیب برتر نسبت به ترکیب‌های دیگر به‌دست آمد، سپس ترکیب بهینه با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان با توابع کرنل مختلف و روش‌های تجربی موردارزیابی قرارگرفتند. نتایج نشان‌دهنده عملکرد مدل LSSVM-poly (چندجمله‌ای)، در ترکیب با متغیرهای دمای کمینه، دمای میانگین، سرعت باد و ساعات آفتابی با شاخص‌های عملکرد (8915/0 R2= و 995/0 RMSE=) نسبت به توابع کرنل و دیگر روش‌های تجربی دارای دقت بالاتری است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش‌بینی 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...

متن کامل

ارزیابی مدل ترکیبی موجک – حداقل مربعات ماشین بردار پشتیبان در ریزمقیاس کردن مکانی - زمانی سری های زمانی بارش

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک – حداقل مربعات ماشین بردا...

متن کامل

پیش بینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (ls-svm)

مدل های داده محور از جمله ابزارهایی هستند که به منظور شبیه سازی در علوم مختلف استفاده می شوند. 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 مدل ها با شبیه سازی فرآیند بارش-رواناب، مقدار رواناب را در حوزه های آبخیز بدون ایستگاه اندازه گیری و با حداقل زمان ممکن و کمترین هزینه برآورد می کنند. هدف ا...

متن کامل

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 ...

متن کامل

رویکرد حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک جهت تخمین رتبه اعتباری مشتریان بانک‌ها

یکی از مهم¬ترین مسائلی که همواره بانک¬ها و مؤسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری یا احتمال عدم ایفای تعهدات از سوی متقاضیان دریافت کننده تسهیلات اعتباری می¬باشد. رقم قابل توجه مطالبات معوق بانک‌ها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می¬باشد. از این رو تاکنون تلاش‌های بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه بندی هرچه دقیق¬تر متقاضیان تسهیلات اعتباری ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 3  شماره 3

صفحات  235- 246

تاریخ انتشار 2017-10-23

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023