Improving the Compound Channel Discharge Prediction model byJB's method.
- سال انتشار: 1403
- محل انتشار: سومین کنفرانس ملی محاسبات نرم و علوم شناختی
- کد COI اختصاصی: SCCS03_002
- زبان مقاله: انگلیسی
- تعداد مشاهده: 60
نویسندگان
Department of Statistics, Mathematical Sciences, Gonbad Kavous University, Gonbad Kavous, Iran
Department of Water Engineering, Gonbad Kavous University, Gonbad Kavous, Iran;
چکیده
In hydrological engineering, discharge prediction in compound channels is important forflood control and river structure. This prediction is investigated in the classical method byML models.However, more suitable methods were presented later to improve this prediction, which isknown as machine learning methods. Among these methods, we can mention the AdaptiveNeural Fuzzy Inference System (ANFIS) and Support Vector Machine (SVM). Bootstrap as aresampling technique on the above methods improved the presented models in prediction.In this paper, the Jackknife-After-Bootstrap (JB) method is proposed as a resampling method,which is effective in the predictive power of the model and its performanceکلیدواژه ها
ANFIS, Bootstrap, JB, RMSE,𝑅۲, SVM.اطلاعات بیشتر در مورد 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.