نتایج جستجو برای: مدل svm
تعداد نتایج: 141574 فیلتر نتایج به سال:
به دلیل کمبود اطلاعات در اکثر حوزههای آبخیز، بسیاری از محققین برای مطالعههای هیدرولوژیکی و سیلگیری به استفاده از تجزیه و تحلیلهای مکانی در سیستم اطلاعات جغرافیایی روی آوردند. پژوهش حاضر به منظور مقایسۀ کارایی سه مدل ماشین بردار پشتیبان (SVM)، خطی تعمیم یافته (GLM) و جمعی تعمیم یافته (GAM) در تهیۀ نقشۀ سیلگیری استان گیلان برنامهریزی شده است. بدین منظور لایههای اطلاعاتی درجۀ شیب، جهت شیب، ...
جاری شدن سیل آثاری منفی بر محیط زیست، اقتصاد، جوامع انسانی و صنعت دارد. امروزه، کاربرد مدلهای پیشرفتۀ سیلاب برای شناسایی مناطق حساس و بهبود سیستم مدیریت سیل رشد چشمگیری داشته است. در این میان، تعدادی از محققان با ترکیب برخی مدلها به نتایج قابل قبولی برای شناسایی مناطق مستعد سیل دست یافتند. از آنجا که آبخیز کلات از منظر سیلاب بهخصوص سیلابهای اخیر سال 1398 جزء مناطق پرخطر استان خراسان رضوی م...
در این مطالعه، عملکرد مدل هیدرولوژیک ابزار ارزیابی آب و خاک (SWAT) و ماشین بردار پشتیبان (SVM) در شبیهسازی ماهانه رواناب رودخانه لیقوانچای مورد ارزیابی قرار گرفت. مرحلههای واسنجی و اعتبارسنجی پس از جمعآوری دادههای مورد نیاز برای هر دو مدل به اجرا درآمد. از الگوریتم SUFI-2 برای تحلیل عدم قطعیت مدل SWAT استفاده شد. با استفاده از مدل SWAT رواناب حوضه آبریز لیقوان شبیهسازی و نتایج بهدستآمد...
هدف از این مطالعه بررسی تأثیر پیش پردازش متغیرهای ورودی به روش آزمون گاما بر عملکرد مدل ماشین بردار پشتیبان جهت پیشبینی حجم رسوبات معلق رودخانه دویرج، واقع در استان ایلام، برای دورة ۱۹۹۴ـ ۲۰۰۵ است. دبی جریان و بارندگی ورودی مدل و دبی رسوب معلقْ خروجی مدل درنظر گرفته شد. همچنین، طول دورة آموزش مدل با استفاده از آزمون گاما (Gamma Test (GT)) مشخص شد. سپس، به منظور بررسی تأثیر پیش پردازش متغیره...
در مطالعه حاضر از روش غیرمخرب و با قدرت تفکیک زیاد رادار نفوذی به زمین (gpr) جهت آشکارسازی و شناسایی مشخصات هندسی اهداف به شکل استوانه افقی مدفون همانند انواع ساختارهای تونلی، استفاده شده است. دست یابی به چنین مقصودی براساس تعیین ارتباط بین مشخصات هندسی اهداف استوانه ای مدفون و پارامترهای هذلولی پاسخ gpr مربوطه، با استفاده از روش های هوشمند شبکه های عصبی مصنوعی (ann) و ماشین بردار پشتیبان (svm)...
در بسیاری از کاربردهای کمومتریکس، از حداقل مربعات جزئی (pls) برای ساختن یک مدل رگرسیونی استفاده می شود، اما (pls) بر پایه یک مدل سازی خطی است و همیشه به عنوان بهترین گزینه در نظر گرفته نمی شود. سیستم بردار حامی(svm) در ابتدا ابزاری برای طبقه بندی داده ها بوده است اما اصول آن را می توان به راحتی برای محاسبات رگرسیون بسط داد. svm یک تئوری فراگیری آماری بر پایه فرمولاسیون تئوری است، که به واسطه خو...
پیش بینی تبخیر-تعرق تقریبا در هر زمینه ای از مهندسی منابع آب مانند تامین و توزیع آب، مدیریت آبیاری، طراحی سیستم های آبیاری، کشاورزی و عملیات هیدرولوژیکی مهم می باشد. به دلیل اثرات متقابل بین مولفه های سیستم آب، خاک و گیاه، شاید بتوان گفت تبخیر- تعرق مشکل ترین پدیده برای برآورد در بین مولفه های چرخه هیدرولوژیکی می باشد. بدین منظور در تحقیق حاضر از داده های 9 ایستگاه هواشناسی مربوط به سال های 200...
با پیشبینی جریان رودخانهها علاوه بر مدیریت بهرهبرداری از منابع آب، میتوان حوادث طبیعی نظیر سیل و خشکسالی را نیز پیشبینی و مهار کرد. استفاده از مدلهای جدید در این زمینه میتواند به مدیریت و برنامهریزی صحیح کمک کند. در این مطالعه، به ارزیابی سه مدل به نامهای، برنامهریزی بیان ژن (GEP)، شبکه بیزین (BN) و ماشین بردار پشتیبان (SVM) پرداخته شده است. دادههای مورد استفاده برای این پژ...
بدون شک نیاز عصر امروز بشر، با توجه به غوطهور شدن در حجم وسیعی از دادههای پیرامونش، استفاده از ابزارهایی برای تحلیل این دادهها و دستیابی به دانش نهفتهی درون آنهاست. طبقهبندی دادهها یکی از ابزارهای مهم در استخراج دانش از دادههاست. یکی از مشکلاتی که در هر روش طبقهبندی دادهها پیش روی داریم، بدست آوردن بهترین مدل است. اهمیت این قضیه وقتی آشکار میشود که بدانیم مجموعه دادههایی که برای آموز...
چکیده پژوهش حاضر در شش قسمت به منظور بررسی رابطه qspr/qsar ترکیبات مختلف با استفاده از روش های متفاوت مدلسازی خطی و غیرخطی انجام گردید. همچنین اثر روش های گوناگون انتخاب متغیر بر مدل های ایجاد شده، مورد بررسی قرار گرفت. در بخش اول، هدف، ارائه یک مدل qsar جهت پیش بینی فاکتور بزرگنمایی زیستی برخی از آلاینده های ارگانوکلره است. بدین منظور پس از محاسبه توصیف کننده های مولکولی از روش های رگرسیون خ...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید