ارزیابی تابع زیان اپسیلون و تابع زیان درجه دوم در پیشبینی هدایت هیدرولیکی اشباع خاک با استفاده از مدل هیبریدی الگوریتم ژنتیک و ماشین بردار پشتیبان

ماشین بردار پشتیبان از روشهای یادگیری با ناظر است که برای طبقهبندی و رگرسیون استفاده میشود. الگوریتم ژنتیک یک الگوریتم بهینهسازی عددی برگرفته از طبیعت میباشد. در این تحقیق با هدف ارزیابی مدل هیبریدیالگوریتم ژنتیک و ماشینبردار پشتیبان رگرسیونی در پیشبینی هدایت هیدرولیکی اشباع، از روش چاهکهای پوششدار و از تابع کرنل شعاعی و توابع زیان اپسیلون و درجه دوم استفاده گردید. نتایج با سه شاخص 2 R ، RMSEو NRMSE ارزیابی گردید. طبق نتایج مدل GA-SVR دارای دقت بسیار عالی در پیشبینی هدایت هیدرولیکی و تابع اپسیلون دارای دقت نسبتاً بهتری نسبت به تابع درجه دوم میباشد، اما از نظر زمان اجرا، تابع درجه دوم نسبت به تابع اپسیلون برتری قابل توجهی دارد.

کلیدواژه ها:

هدایت هیدرولیکی اشباع ، ماشین بردار پشتیبان ، الگوریتم ژنتیک ، تابع زیان