پیش بینی سری زمانی رسوب با استفاده از تئوری موجک ماشین بردار پشتیبان و تئوری موجک- شبکه عصبی
- سال انتشار: 1395
- محل انتشار: کنفرانس بین المللی مهندسی شهرسازی، عمران،معماری
- کد COI اختصاصی: ICOA01_104
- زبان مقاله: فارسی
- تعداد مشاهده: 723
نویسندگان
دانشگاه آزاد اسلامی، واحد قائمشهر، گروه مهندسی عمران، قائمشهر، ایران
دانشجوی کارشناسی ارشد عمران مهندسی آب و سازه های هیدرولیکی. موسسه آموزش عالی علوم و فناوری آریان
چکیده
در این تحقیق از ترکیب ماشین بردار پشتیبان و شبکه عصبی مصنوعی با تئوری موجک استفاده شده است. گام هایگذشته دبی و رسوب و ترکیب آنها به عنوان ورودی مدل انتقال داده شد. در این مدل ترکیبی با استفاده از آنالیز موجک،سری زمانی به زیرسری های تقریب و زیرسری های جزئیات تجزیه شده و سپس این زیر سری ها وارد شبکه عصبیمصنوعی و ماشین بردار پشتیبان می شوند. خروجی مدل را گام زمانی آینده پیش بینی خواهد کرد.از شاخص های آماری نظیر میانگین قدر مطلق خطا (MAE) و ضریب تبیین ((R(2) و جذر میانگین مربعات خطا (RMSE)برای ارزیابی مدل استفاده گردید. نتایج نشان داد که ترکیب تئوری موجک با شبکه عصبی مصنوعی دارای نتایج مناسبتری می باشد.کلیدواژه ها
تئوری موجک، شبکه عصبی مصنوعی، ماشین بردار پشتیبان، رسوب روزانه، رسوب سیلابیمقالات 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.