کاربرد شبکه بیزین و مدل ماشین بردار پشتیبان در پیشبینی تغییرات سطح تراز ایستابی (مطالعه موردی: دشت اردبیل)
نویسندگان
چکیده مقاله:
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 بردار پشتیبان و شبکه بیزین پرداخته شد. پارامترهای سطح تراز ایستابی ماهانه با تأخیرهای مختلف بهعنوان ورودی آزمون گاما در نظر گرفته شد. نتایج آزمون گاما نشان داد که سطح تراز ایستابی با شش تأخیر زمانی، نتایج بهتری بهمنظور پیشبینی ارائه میدهد. شبیهسازی سطح تراز ایستابی با استفاده از دو مدل حداقل مربعات ماشین بردار پشتیبان و شبکه بیزین نیز نشان داد که بهترین ساختار ورودی برای پیشبینی سطح تراز ایستابی ماه بعد، تا شش تأخیر زمانی خواهد بود. از میان دو مدل با ساختار ورودی یکسان، مدل حداقل مربعات ماشین بردار پشتیبان، عملکرد بهتری را با توجه به ضریب تبیین 977/0، میانگین خطای مطلق 204/0 و جذر میانگین مربعات خطای 307/0، نسبت به شبکه بیزین داشته است. نتایج تحقیق نشان داد که آزمون گاما در انتخاب ترکیب ورودی مناسب در محاسبات نرم میتواند کارایی بهتری داشته باشد.
منابع مشابه
کاربرد شبکه بیزین و مدل ماشین بردار پشتیبان در پیش بینی تغییرات سطح تراز ایستابی (مطالعه موردی: دشت اردبیل)
آبهای زیرزمینی به عنوان یکی از منابع مهم و عمده تأمین آب شرب و کشاورزی، به ویژه در مناطق خشک و نیمه خشک مطرح بوده است. شبیه سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی این سیستمها به آسانی 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...
متن کاملاستفاده از مدل های ترکیبی ماشین بردار پشتیبان - موجکی و شبکه عصبی -موجکی در پیشبینی تراز آب زیرزمینی دشت اردبیل
چکیده آبهای زیرزمینی همواره به عنوان یکی از منابع مهم و عمده ی تأمین آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه خشک مطرح بودهاند. به منظور آگاهی از وضعیت این منابع و مدیریت بهینه ی آنها، لازم است پیشبینی دقیقی از نوسانات سطح آب زیرزمینی صورت گیرد. در این تحقیق اطلاعات 15 پیزومتر موجود در دشت اردبیل مورد استفاده قرارگرفت. از تبدیل موجک و روش خوشهبندی به ترتیب برای پیشپردازش زمانی و مک...
متن کاملکاربرد روشهای شبکهی بیزین و حداقل مربعات ماشین بردار پشتیبان در پیش بینی تراز سطح آب دریاچه ارومیه
سابقه و هدف: دریاچه ارومیه به عنوان یک اکوسیستم آبی مهم در شمال غرب ایران واقع شده است. در 14 سال اخیر میانگین تراز سطح آب دریاچه ارومیه به 2/1272 متر تقلیل پیدا کرده و این به این معنی است که اختلاف تراز سطح اکولوژیک دریاچه و تراز سطح کنونی 2 متر است. خشک شدن دریاچه ارومیه باعث بروز مسائل و بحرانهای جدی برای حوضه، استانهای مجاور و کشور خواهد شد. در این تحقیق از پارامترهای موثر مستقیم و غیر مس...
متن کاملکاربرد 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...
متن کاملکارایی الگوریتم هیبریدی ازدحام ذرات در شبیه سازی سطح تراز ایستابی (مطالعه موردی: آبخوان دشت اردبیل)
آب زیرزمینی و مدیریت منابع آب نقش کلیدی در پایداری منابع آب در نواحی خشک و نیمه خشک ایفا میکند. پیشبینی تراز آب زیرزمینی به منظور مدیریت و برنامهریزی منابع آب، بسیار مهم است. در این تحقیق از مدلهای شبکه عصبی مصنوعی و مدل شبکه عصبی مصنوعی مبتنی بر الگوریتم ازدحام ذرات برای تخمین تراز آب زیرزمینی دشت اردبیل استفاده شده است. دادههای مورد استفاده شامل تراز سطح ایستابی طی یک دوره آماری 1351 تا ...
متن کاملمقایسه الگوریتم تنبل و مدل 5M در برآورد تراز سطح ایستابی (مطالعه موردی دشت نیشابور)
In recent years and in many countries, overusing groundwater resources had been higher than their annual feeding amount. This issue caused drop in the groundwater levels, followed by drying wells, qanats and springs. In this study, given the importance of Neyshabur plain in supplying agricultural, industrial and drinkable water of the area, lazy algorithms of KNN, KSTAR and LWL and M5 tree mode...
متن کاملمنابع 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 11 شماره 36
صفحات 33- 42
تاریخ انتشار 2017-04
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023