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
محل انتشار: دومین همایش سراسری کشاورزی و منابع طبیعی پایدار
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 580
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NACONF02_0761
تاریخ نمایه سازی: 27 آبان 1393
چکیده مقاله:
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:
نویسندگان
معصومه مهماندوست
دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
جابر سلطانی
استادیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
محمود مشعل
دانشیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
موسی کلانکی
کارشناس ارشد هوش مصنوعی دانشگاه صنعتی مالک اشتر- مجتمع دانشگاهی علوم و فناوری های زیر دریا
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 :