پیشبینی دبی رودخانه با استفاده از ماشین بردار پشتیبان مطالعه موردی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,310

فایل این مقاله در 9 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:

NCCE07_1279

تاریخ نمایه سازی: 16 مهر 1392

چکیده مقاله:

پیشبینی جریان رودخانهها از جمله مقولههای اساسی در زمینه کنترل سیل و مدیریت منابع آب است. به دلیل پیچیدگی فرایند بارش-رواناب و دشواری تنظیم پارامترهای مدلهای مفهومی، استفاده از روشهای دادهمحور استفاده روز افزونی داشته است. در این مطالعه، یک روش پیشبینی جدید که براساس حداقل مربعات ماشین بردار پشتیبان بوده معرفی شده است. مدل ماشین بردار پشتیبان بر مبنای تئوری بهینهسازی مقید بوده و از اصل کمینهسازی خطای ساختاری استفاده کرده که منجر به یک جواب بهینه کلی میگردد. این مدل برای دادههای اندازهگیری شده در حوضه آبریز رودخانه کشکان به کار بردهشده است. متغیرهای ورودی در این تحقیق شامل مقادیر ثبت شده بارش در ایستگاههای حوضه آبریز کشکان و نیز مقادیر دبی جریان رودخانه در زمان- های یک و دو روز قبل بوده و دبی در زمان جاری به عنوان خروجی مدل در نظر گرفته شده است. پس از آن بر روی پارامترهای مدل عملیات واسنجی صورت گرفته و عمل پیشبینی روی دادهها انجام شد. نتایج حاصل از محاسبه و بررسی شاخصهای آماری و مقادیر خطا، حاکی از دقت بالای مدل در مقایسه با نتایج محققین قبلی است

کلیدواژه ها:

پیشبینی سیلاب ، هوش مصنوعی ، ماشین بردار پشتیبان ) SVM ( ، رودخانه کشکان

نویسندگان

شهرام صحرائی

دانشجوی کارشناسی ارشد سازههای هیدرولیکی، دانشگاه شیراز

محمد ذاکرمشفق

استادیار بخش مهندسی عمران، دانشگاه صنعتی جندی شاپور دزفول

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 :
  • زارع اندلانی، س.، ذاکرمشفق، .، رویکرد درخت تصمیم در پیش‌بینی ...
  • پیشبینی جریان رودخانه با رویکرد برنامهسازی ژنتیک [مقاله کنفرانسی]
  • تحلیل آشوبناکی سری زمانی دبی رودخانه به روش توان لیاپانوف [مقاله کنفرانسی]
  • Asefa T., Kemblowski M W., McKee M. & Khalil A. ...
  • Behzad M., Asghari K, Eazi M., Palhang M., _ 'Generalization ...
  • Bray M, Han D., "Identification of support vector machines for ...
  • Duan Q., Sorooshian S., & Gupta V. K., "Optimal use ...
  • Garrote L. & Bras R. L., ":A distributed model for ...
  • Gwo-Fong Lin, Guo-Rong Chen, Pei-Yu Huang, Yang-Ching Chou, "Support vector ...
  • Han D., Chan L. & Zhu N., _ 'Flood forecasting ...
  • Huang Z., Zhou J., Song L., Lu Y., Zhang Y, ...
  • JIAN-YILIN CHUN-TIAN CHENG & KWOK-WING CHAU (2006): "Using support vector ...
  • Jun Guo, Jianzhong Zhou, Hui Qin, Qiang Zou, Qingqing Li, ...
  • Kisi, O., Cimen, M., "Precipitation forecasting by using wa velet-support ...
  • Liu S., Tai H., Ding Q., Li D., Xub L, ...
  • Noori R., Karbassi A.R., Mogh addamnia A., Zokaei-Ashtian i M.H., ...
  • Ping-Feng Pai, Kuo-Ping Lin, Chi-Shen Lin, Ping-Teng Chang , "Time ...
  • Seijas C., Villazana S., Guevara J., Guevara E., "Forecasting Venezuelan ...
  • Shuquan L. & Lijun F., "Forecasting the Runoff Using Least ...
  • Sivapragasam C., Shie-Yui Liong & Pasha M. F. K., "Rainfall ...
  • Stephen Boyd & Lieven Vandenberghe (2004), "Convex optimization ", Cambridge ...
  • Vapnik, V. (1998), :'Statistical Learning Theory ", Springer, New York, ...
  • Vladimir V. (1995), "The nature of statistical learning theory", Springer ...
  • Yu P. S., Chen S. T., Chang I., "Support vector ...
  • نمایش کامل مراجع