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

  • سال انتشار: 1393
  • محل انتشار: دومین همایش سراسری کشاورزی و منابع طبیعی پایدار
  • کد COI اختصاصی: NACONF02_0761
  • زبان مقاله: فارسی
  • تعداد مشاهده: 588
دانلود فایل این مقاله

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

چکیده

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

مقالات مرتبط جدید

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.