کاربرد ماشین های بردار پشتیبان در مدیریت تلفیقی منابع آب های سطحی و زیرزمینی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,849

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

OMRANTOSEE01_265

تاریخ نمایه سازی: 17 اردیبهشت 1391

چکیده مقاله:

امروزه مدیریت جامع منابع آب، با تأکید بر بهره برداری مشترک یا تلفیقی از منابع آب های سطحی و زیرزمینی، در دستور کار کلیه سازمان های بهره برداری قرارگرفته است که در این نوع از بهره برداری ، نیاز های آبی به وسیله دو منبع سطحی و زیر زمینی به طور توأم تأمین می شو ند. استفاده از مدل های شبیه سازی-بهینه سازی یک روش قدرتمند در مدیریت و طراحی بهینه از سیستم آب های سطحی و زیرزمینی محسوب می شود. اما در این میان، نیاز به روش های شبیه سازی با سرعت بالا و البته دقت مناسب که به راحتی قابل تلفیق با مدل های بهینه سازی باشند، احساس می شود. در سالیان اخیر توجه برخی از محققین به روش های هوش مصنوعی و استفاده از آن برای شبیه سازی سیستم آب زیرزمینی معطوف شده است. در این مقاله عملکرد یکی از روش های قدرتمند هوش مصنوعی به نام ماشین های بردار پشتیبان در پیش بینی سطح آب زیرزمینی مورد بررسی قرار گرفته است. همچنین عملکرد ماشین های بردار پشتیبان در هنگام استفاده در مدل های بهره برداری تلفیقی مورد ارزیابی قرار گرفته است.

کلیدواژه ها:

بهره برداری تلفیقی ، مدل شبیه سازی آبخوان ، آب زیرزمینی ، هوش مصنوعی ، ماشین های بردار پشتیبان

نویسندگان

بهزاد اسدیه

دانشجوی کار شناسی ارشد مهندسی عمران- سازه های هیدرولیکی، دانشگاه علم و صنعت ایران

عباس افشار

استاد دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران ، تهران.

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 :
  • _ "مطالعه خصوصیات نامیکی کندوهای بتنی با وش ارتعاشات محیطی، ...
  • Coe, J. J., Conjunctive use-advantages, constraints, and examples, J. Irr. ...
  • Trifunac, M. D., (1970), "Wind and Microtremor Induced Vibration of ...
  • Peralta, R.C. and Asghari, K. and Shulstad, R.N. (1991) SECTAR: ...
  • Maddock, T. (1972). "Algebraic technological function from a simulation model." ...
  • Morel-Seytoux, H.J. and Daly, C.J. (1975) A discrete kernel generator ...
  • First Nationl Conference On Civil Engineering, Zibakenar, Iran, February 2012 ...
  • V.Vapnik, "The nature of statistical learning theory", 2nd edition, Springer, ...
  • C.Cortes, V.Vapnik, _ Support-Vector Networks", Machine Learning, Vol. 20, pp. ...
  • Yoon, H., Jun, S., Hyun, Y., Bae. G., Lee. K., ...
  • Asefa, T., Kemblowski, M.W., Urroz, G., McKee, M., Khalil, A., ...
  • doi:1 0, 1 029/20 04WR0 03304. ...
  • Zhao, W.G., Wang, H., Wang, Z.J., 2010." Groundwater Level Forecasting ...
  • نمایش کامل مراجع