ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی سطح آب زیرزمینی با مدل محاسباتی ماشین بردار پشتیبان (مطالعه موردی: دشت کرمان)

تعداد صفحات: 16 | تعداد نمایش خلاصه: 827 | نظرات: 0
سال انتشار: 1392
کد COI مقاله: PWSWM02_191
زبان مقاله: فارسی
(فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 16 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی سطح آب زیرزمینی با مدل محاسباتی ماشین بردار پشتیبان (مطالعه موردی: دشت کرمان)

محمد علیخانی نژاد - دانشجوی کارشناسی ارشد رشته مهندسی کشاورزی- آبیاری و زهکشی دانشگاه آزاد کرمان
امیر جلال کمالی - استادیار گروه آب دانشگاه آزاد اسلامی کرمان
بیتا نعمت اللهی - دانشجوی کارشناسی ارشد رشته مدیریت منابع آب دانشگاه آزاد کرمان

چکیده مقاله:

پیش بینی سطح آبهای زیرزمینی به منظور مدیریت آن به عنوان یکی از منابع مهم و عمده تأمین آب شرب و کشاورزی در مناطق خشک و نیمه خشک ضروری است. در این تحقیق از روش ماشین بردار پشتیبان (SVM) به عنوان یک روش محاسباتی هوشمند به منظور پیش بینی سطح آب زیرزمینی دشت کرمان در کشور ایران استفاده شده است. بازه زمانی مورد استفاده در این تحقیق از سال 1986 تا 2010 به صورت ماهانه (معادل 280 ماه) می باشد. داده های ورودی مدل شامل دما، رطوبت، بارندگی و ارتفاع بیزومتریک بوده است. چاههای مطالعاتی به چهار خوشه تقسیم بندی شد که یک خوشه از چهار خوشه به صورت تصادفی انتخاب و به تفصیل مورد بررسی قرار گرفت. سپس بهترین ساختار بدست آمده از آن در خوشه های دیگر اعمال گردید. نتایج حاصل از این روش با شبکه عصبی مصنوعی تابع بنیادی شعاعی مقایسه شد. نتایج حاصل نشان دهنده کارایی بهتر ماشین های بردار پتیبان در پیش بینی سطح آب زیرزمینی است.

کلیدواژه ها:

پيش بيني سطح آب زيرزميني، ماشين بردار پشتيبان (SVM)، شبكه عصبي مصنوعي RBF

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/209804/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
علیخانی نژاد، محمد و جلال کمالی، امیر و نعمت اللهی، بیتا،1392،پیش بینی سطح آب زیرزمینی با مدل محاسباتی ماشین بردار پشتیبان (مطالعه موردی: دشت کرمان)،دومین کنفرانس بین المللی مدلسازی گیاه، آب، خاک و هوا،کرمان،،،https://civilica.com/doc/209804

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، علیخانی نژاد، محمد؛ امیر جلال کمالی و بیتا نعمت اللهی)
برای بار دوم به بعد: (1392، علیخانی نژاد؛ جلال کمالی و نعمت اللهی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • امیر خان زاده، م، کراچیان، ر ء. (1387). استفاده از ... [مقاله کنفرانسی]
  • کاربرد تخمین های احتمالی ماشین های بردار پشتیبان در پهنه بندی کیفی آب رودخانه ها مطالعه موردی: رودخانه کارون - دز [مقاله کنفرانسی]
  • کیانی فلاورجانی، م _ احمدی _ آ، . گنجی _ ...
  • نیک بخت شهبازی، ع، . زهرایی، ب . ناصری، م ...
  • پهنه‌بندی کیفی منابع آب سطحی با استفاده از ماشین‌های بردار پشتیبان احتمالاتی و شبکه‌های بیزی [مقاله کنفرانسی]
  • Note On Platt's Probabilistic Outputs For 4Aه Lin, H.-T., Lin, ...
  • http : //www. mediambient _ gencat. net/aca/ca/inic _ sp, [Accessed ...
  • Aizerman, M. _ Braverman, E. M., and Rozonoer, _ I., ...
  • Babovic, V., Keijzer, M., Bundzel, M. 2000. From global to ...
  • Bottou, L, Cortes, C., Denker, J., Drucker, H., Guyon, I., ...
  • _ _ _ _ _ Water, Soiy and Weafer Mode/ing ...
  • Bray, M., Han, D. 2004. Identification of support vector machines ...
  • Tutorial On Support Vector Machines For Pattern Recognition", A:ه Burges, ...
  • Byun, H., and Lee, S. W., (2002), "Applications of Support ...
  • CAO, sh., and LIU, Y., WANG, Y. , (2008), _ ...
  • CCME., (2001), "Canadian water quality guidelines for the protection of ...
  • Chen, S.T., Yu, P.S. 2007a. Pruning of support vector networks ...
  • Chen, S.T, , Yu, P.S. 2007b. Real-time probabilistic forecasting of ...
  • Cortes, C., and Vapnik, V. N., (1995), "Support Vector Networks", ...
  • Chang, C.-C., and Lin, C.-J., (2001), :LIBSVM: A Library For ...
  • Approach to P olychotomous Classificatiot _ Technical Report, Another:ه Friedman, ...
  • Hartigan, J. A., (1975), "Clustering Alogrithms", John Wiley & Sons, ...
  • Hsu, C.-W., and Lin, C.-J., (2002), _ Comparison Of Methods ...
  • Jalalkamali, _ Sedghi, H., Manshouri, M., 2011. Monthly groundwater level ...
  • Khalil, A., Almasri, M. N., McKee, M., and Kaluarachchi, J. ...
  • Kecman, V., (2001), "Learning And Soft Computing", MIT Presss. 541 ...
  • _ _ _ _ _ Water, Soiy and Weafer Mode/ing ...
  • Knerr, S., Personnaz, L., and Dreyfus, G., (1990), "Single-Layer Learning ...
  • Kreel, U., (1999), "Pairwise Classification And Support Vector Machines", In ...
  • . Kunwar P, . Singh, . Nikita Basant., . Shikha ...
  • Lin, G.F., Chen, G.R., Wu, M.C., Chou, Y.C. 2009a. Effective ...
  • Lin, G.F., Chen, G.R., Huang, P.Y., Chou, Y.C. 2009b. Support ...
  • Liong, S.Y., Sivapragasam, C. 2002. Flood stage forecasting with SVM. ...
  • Ma, Y., and Cherkassky, V., (2003), "Multiple Model Classification Using ...
  • Mercer, J, (1909), "Functions Of Positive And Negative Type And ...
  • Noori, R., Karbassi, A.R., Mo ghaddamnia, A, Han, B., Zokae ...
  • Noori, R., Karbassi, A.R., Farokhnia, A., Dehghani, M. 2009a. Predicting ...
  • National Sanitation Foundation International, (2005), Available at http ://www.nsf. org, ...
  • Platt, J., (2000), "Probabilistic Outputs For Support Vector Machines And ...
  • _ _ _ _ _ Water, Soiy and Weafer Mode/ing ...
  • Peixian Li, . Zhixiang Tan, . Lili Yan, . Kazhong ...
  • Scholkopf, B., and Smola, A., (2002), "Leraning With Kernels", The ...
  • Smola, A., and Scholkopf, B., (1997), :On A Kermel-Based Method ...
  • Temko, A., and Nadeu, C., (2006), "Classification Of Acoustic Events ...
  • Nature Of Statistical Learning Theory", New York: Springer- The:ه Vapnik, ...
  • Vapnik, V. N., (1998), :Statistical Learning Theory", New York: Wiley. ...
  • Wu, T.-F., Lin, C.-J., and Weng, R. C., (2004), "Probability ...
  • YAN, z, ZHANG, h. , DU, p. , (2006), "Application ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 6,755
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی