CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی ارتفاع فرم بستر رودخانه با استفاده از شبکه های عصبی مصنوعی(ANN ‏) و ماشین بردار پشتیبان (SVM)

عنوان مقاله: پیش بینی ارتفاع فرم بستر رودخانه با استفاده از شبکه های عصبی مصنوعی(ANN ‏) و ماشین بردار پشتیبان (SVM)
شناسه ملی مقاله: ABYARI12_287
منتشر شده در دوازدهمین همایش سراسری آبیاری و کاهش تبخیر در سال 1392
مشخصات نویسندگان مقاله:

فهیمه جوادی - دانشجوی کارشناسی ارشد سازه های آبی، عضو انجمن پژوهشگران جوان دانشگاه شهید باهنر کرمان
محمدمهدی احمدی - استادیار بخش مهندسی آب، دانشگاه شهید باهنر کرمان
کوروش قادری - استادیار بخش مهندسی آب، دانشگاه شهید باهنر کرمان
رخساره مرادی - کارشناس بخش مهندسی زراعت،دانشگاه شهید باهنر کرمان

خلاصه مقاله:
حرکت رسوبات در بستر رودخانه باعث ایجاد تغییرات زیادی در بستر رودخانه می گردد. این تغییرات تحت عنوان فرم بستر رودخانه مورد بررسی قرار می گیرد. فرم بستر تاثیر مستقیم و مهمی روی زبری بستر، مقاومت در مقابل جریان و پروفیل سطح آب دارد. بنابراین شناخت هرچه بیشتر فرم بستر از اهمیت خاصی در مهندسی رودخانه برخوردار است. روش های متعددی توسط محققان برای برآورد ابعاد فرم بستر توسعه داد ه ‏شده ‏است. در این تحقیق پیش بینی ابعاد فرم بستر رودخانه با استفاده ‏از شبکه های عصبی مصنوعی(ANN ‏) و ماشین بردار پشتیبان(SVM) انجام شده است. ارزیابی نتایج بدست آمده ‏با استفاده از معیارهای آماری MSREو RMSE ،R2انجام شده است. مقادیر معیارهای آماری MSREوٍ RMSE ،R2 در روش های SVMو ANN‏به ترتیب برابر با 0/83 ‏، 0/0121 ‏، 0/0034 ‏و 0/93 ‏، 0/0284 ‏، 0/0087 ‏می باشد. معیارهای آماری برتری ماشین بردار پشتیبان را نسبت به شبکه های عصبی مصنوعی در برآورد ارتفاع فرم بستر رودخانه نشان می دهد.

کلمات کلیدی:
فرم بستر، زبری بستر، شبکه های عصبی، ماشین های برداری پشتیبان

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/476100/