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

الگوریتم ژنتیک تکنیک جستجویی در مسائل بهینهسازی برگرفته از تکامل ژنتیکی میباشد و ماشین بردار پشتیبان دستهبندی کنندهای است که از تئوری یادگیری آماری استفاده میکند. در این تحقیق با هدف ارزیابی و مقایسهدو مدل ماشین بردار پشتیبان و مدل هیبریدی الگوریتم ژنتیک و ماشینبردار پشتیبان در پیشبینی هدایت هیدرولیکی اشباع، از روش چاهکهای پوششدار و از تابع کرنل شعاعی و توابع زیان اپسیلون و درجه دوم استفادهگردید. طبق نتایج مدل GA-SVR بر مدل SVR برتری داشته 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