بکارگیری مدل های ترکیبی موجک- شبکه عصبی مصنوعی و ماشین بردار پشتیبان در پیش-بینی بار رسوب معلق آجی چای
عنوان مقاله: بکارگیری مدل های ترکیبی موجک- شبکه عصبی مصنوعی و ماشین بردار پشتیبان در پیش-بینی بار رسوب معلق آجی چای
شناسه ملی مقاله: JR_JNACE-1-2_004
منتشر شده در شماره 2 دوره 1 فصل در سال 1396
شناسه ملی مقاله: JR_JNACE-1-2_004
منتشر شده در شماره 2 دوره 1 فصل در سال 1396
مشخصات نویسندگان مقاله:
وحید نورانی - استاد، دانشکده مهندسی عمران دانشگاه تبریز، تبریز، ایران
غلامرضا عندلیب - دانشجوی دکترای سازه های هیدرولیکی دانشکده مهندسی عمران دانشگاه تبریز تبریز، ایران
خلاصه مقاله:
وحید نورانی - استاد، دانشکده مهندسی عمران دانشگاه تبریز، تبریز، ایران
غلامرضا عندلیب - دانشجوی دکترای سازه های هیدرولیکی دانشکده مهندسی عمران دانشگاه تبریز تبریز، ایران
شبیهسازی و ارزیابی رسوب رودخانه و ایجاد ارتباط بین دبی جریان و رسوب از جمله مسائل مهم و کاربردی در مدیریت منابع آب و محیط زیست در استفاده از مخازن سدها، ساماندهی رودخانه ها و عاملی برای جلوگیری از هزینه اضافی است. در این تحقیق، از تابع موجک به عنوان یکی از ابزارهای محاسبات نرم جهت استخراج ویژگیهای سریهای زمانی استفاده گردیده و کارایی مدلهای موجک-ماشین بردار پشتیبان و موجک- شبکه عصبی مصنوعی برای پیش بینی رسوب در رودخانه ی آجی چای مورد بررسی قرار گرفته است. برای این منظور، در گام اول مقدار رسوب توسط ماشین بردار پشتیبان و شبکه عصبی مصنوعی پیش بینی شده است. سپس سری های زمانی دبی و رسوب توسط موجک به زیر سری هایی تجزیه شدند و این زیر سری ها جهت شبیه سازی رابطه دبی-رسوب وارد ماشین بردار پشتیبان و شبکه عصبی مصنوعی شدند. نتایج پیش بینی رسوب ماهانه نشان می دهند که ماشین بردار پشتیبان با ضریب تبیین 65/0DC= خروجی بهتری نسبت به شبکه عصبی مصنوعی 61/0DC= دارد. مدل موجک-ماشین بردار پشتیبان نتایج بهتری در مقایسه با مدل موجک- شبکه عصبی مصنوعی نشان می دهد و اضافه کردن موجک باعث افزایش دقت مدل های ماشین بردار پشتیبان و شبکه عصبی مصنوعی می شود، برای نمونه 65/0 DCSVM= به 82/0 DCWSVM= ارتقاءیافته است.
کلمات کلیدی: پیش بینی رسوب, شبکه عصبی مصنوعی, ماشین بردار پشتیبان, تبدیل موجک, آجی چای
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/864484/