کاربرد مدل درختی M5 در پیش‌بینی خشکسالی (مطالعه‌ی موردی: مراغه، ایران)

کاربرد الگوریتم درختی M5 در برآورد رسوب معلق رودخانه‏ها

برآورد میزان بار رسوب در بسیاری از پروژه‏های آبی از قبیل ﻃﺮاﺣﻲ ﺳﺪﻫﺎ و ﺣﻮﺿﭽﻪﻫﺎی ذﺧﻴﺮه آب ﺳﻄﺤﻲ، اﻧﺘﻘﺎل رﺳﻮب و آﻟﻮدﮔﻲ در رودﺧﺎﻧﻪ‏ها و درﻳﺎﭼﻪها و نیز ﻃﺮاحی ﻛﺎﻧﺎل‏ها و ﻧﮕﻬﺪاری آن‌ها اهمیت زیادی دارد. روش­های متداول برآورد بار رسوب عمدتا دقت پایینی داشته و نتایج روش­های مختلف تفاوت زیادی با یکدیگر دارد. بر همین اساس در این تحقیق پس از تهیه داده‏های دبی رسوب مربوط به ایستگاه­های هیدرومتری جوکنک، بهبها...

ارزیابی عملکرد روش ANFIS و مدل درختی M5 در مدل سازی ضریب دبی سرریز کرامپ

در این تحقیق برای ارزیابی عملکرد روش سیستم استنتاج فازی- عصبی تلفیقی (ANFIS) و مدل درختی M5 در مدل­سازی ضریب دبی جریان سرریز کرامپ از داده‌های آزمایشگاهی استفاده گردید. نتایج 174 دسته داده حاصل از آزمایش انجام‌گرفته با مدل فیزیکی، در 16 سناریو با ترکیب‌ پارامترهای ورودی مختلف و با استفاده از مدل درختی M5 و روش ANFISجهت برآورد ضریب دبی جریان سرریز کرامپ به عنوان پارامتر خروجی مورد استفاده قرار گ...

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...

کاربرد مدل هیدروتایم در پیشبینی سبزشدن محمولههای بذری گندم

پیش بینی بارش ماهانه با مدل درختی M5 و مقایسه آن با روشهای کلاسیک آماری )مطالعه موردی : ایستگاه سینوپتیک ارومیه(

در این تحقیق جهت تخمین داده‌های بارش ماهانه ایستگاه ارومیه که از سال 2006 تا 2007 مفقود فرض شده است از روش‌های آماری کلاسیک و مدل درختی M5 با استفاده از نرم‌افزارWeka و به کارگیری ایستگاه‌های مهاباد، خوی، سلماس، تکاب و ماکو استفاده شده است. در بین ایستگاه‌های مورد مطالعه، ایستگاه مهاباد با (r=0.90) بیشترین همبستگی را با ایستگاه ارومیه داشت. 26 سناریو از آمار ده ساله ایستگاه‌های مجاور در تخمین ب...

پیش‎بینی مقادیر بارش ماهانه با استفاده از شبکه‎های عصبی مصنوعی و مدل درختی M5 (مطالعۀ موردی: ایستگاه اهر)

بارش یکی از مهم‎ترین اجزای چرخۀ آب است و در سنجش خصوصیات اقلیمی هر منطقه، نقش بسیار مهمی ایفا می‎کند. تخمین مقادیر بارش ماهانه برای اهداف مختلفی چون، برآورد سیلاب، خشکسالی، برنامه‎ریزی آبیاری و مدیریت حوضه‎های آبریز، اهمیت زیادی دارد. پیش‎بینی بارش در هر منطقه‎ای نیازمند وجود داده‎های دقیق اندازه‎گیری‎شده‎ای مانند، رطوبت، دما، فشار، سرعت باد و غیره است. محدودیت‎هایی چون، نبود اطلاعات کافی در مو...