پیش بینی بار بستر رودخانه ها با استفاده از مدل ماشین بردار پشتیبان رگرسیونی (SVR) (مطالعه موردی: رودخانه بار نیشابور)
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 546
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NMCE01_009
تاریخ نمایه سازی: 11 آبان 1395
چکیده مقاله:
با توجه به بحران موجود در منابع آب و نگاه کاربردی در انجام پژوهش های علمی، دست یابی به روشی که قادر به برآوردو پیش بینی دقیق رفتار یک پدیده باشد اهمیت فراوانی دارد. لذا در این پژوهش با توجه به نیاز به روز صنعت (شرکت آب منطقه ایخراسان رضوی) به منظور ارزیابی بند انحرافی بالادست سد بار نیشابور، مطالعه موردی بر روی حوضه ی رودخانه بار درخصوص برآوردو پیش بینی بار بستر صورت پذیرفته است. برای این منظور از بسط مفاهیم ریاضی مدل ماشین بردار پشتیبان رگرسیونی (SVR) وبرنامه نویسی در نرم افزار متلب بهره گرفته شده است. کنترل صحت اجرای برنامه با بررسی خطوط تفکیک کننده با توابع منحنی(کرنل های) Polynomial, MLP, RBF و... بر روی 65 % از داده ها به عنوان گروه آموزش و 35 % از داده ها به عنوان گروه ارزیابی انجام شده و درنهایت خط بهینه ی برازش یافته بر داده ها با حداقل ریسک عملیاتی تحت تابع کرنل خطی حاصل گردیده است. کنترل پارامترهای اساسی برنامه (C, ε و σ) به صورت سعی و خطا بررسی شده و نتایج با مدل برنامه ریزی ژنتیک مقایسه گردیده است. دقت هر دو روش بسیار نزدیک به هم بوده که به دلیل سادگی رابطه ی ارائه شده در مدل ماشین بردار پشتیبان این مدل (با ضریب تعیین معادل 0/67) به عنوان یک روش کاربردی در این زمینه معرفی می گردد.
کلیدواژه ها:
نویسندگان
محمد لطف آبادی
دانش آموخته کارشناسی ارشد مهندسی عمران سازه های هیدرولیکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران، نویسنده مسئول مکاتبات
فرهاد خامچین مقدم
استادیار گروه مهندسی عمران، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
سیداحسان شبرنگی
استادیار گروه مهندسی عمران، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :