شبیه سازی دبی رودخانه با استفاده از مدلهای بردار پشتیبان svm و مقایسه آن با مدل های نروفازی anfis و موجک عصبی مطالعه موردی: رودخانه کر - ایستگاه چمریز
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 783
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
UPUE03_356
تاریخ نمایه سازی: 25 آذر 1395
چکیده مقاله:
پیش بینی جریان رودخانه در مدیریت منابع آب از اهمیت بالایی برخوردار است و روش های مختلفی برای مدل کردن جریان رودخانه وجود دارد تا بتوان با بکارگیری این مدلها خسارات ناشی از خشک سالی و سیالب را به حداقل ممکن رساند. در این پژوهش با استفاده از مدل استنتاج فازی عصبی ANFIS مدل بردار پشتیبان SVM مدل تلفیقی موجک انفیس با دو معیار صحت سنجی میانگین مربعات خطا MSE و ضریب همبستگی R مورد بررسی قرار گرفت سیستم های فازی عصبی این قابلیت را دارند که بدون در نظر گرفتن نوع متغیرها بین داده های ورودی و خروجی ارتباط برقرار کنند و از همین جهت می توانند در مدل کردن جریان رودخانه بکار روند . طول داده های آماری 11 ساله که در شبیه سازی دبی ماهانه رودخانه کر مورد بررسی قرار گرفته است شامل دبی، بارش، دما و تبخیر که با تاخیر یک ماهه از خرداد ماه 1381 تا اسفندماه 1392 است که 80 درصد داده ها برای اموزش و 20 درصد را برای تست در نظر گرفته می شود د راین مطالعه میانگین مربعاات خطا حاصل از شبیه سازی برای مدل انفیس بردار پشتیبان و موجک انفیس به ترتیب 0.041، 0.82، 0.0048 و ضریب همبستگی نیز به ترتیب 0.74، 0.111 و 0.928 بدست آمد. به طور کلی هرچه مقدار MSE به صفر و R به یک نزدیکتر باشد مدل جواب بهتری می دهد نتایج بدست آمده از این تحقیق نشان داد که مدل تلفیقی موجک انفیس بهترین نتیجه را در پیش بینی دبی ماهانه رودخانه کر داشته است.
کلیدواژه ها:
نویسندگان
محمدرحیم میرزایی
دانشجوی کارشناسی ارشد مدیریت منابع آب دانشگاه آزاد اسلامی واحد استهبان
مهرداد فریدونی
استادیار و عضو هیئت علمی دانشگاه آزاد اسلامی واحد لارستان
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 :