بررسی کارایی مدل های ماشین بردار پشتیبان ( SVM ) و شبکه عصبی در پیش بینی دبی ورودی به سد گلستان
Publish place: 9th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 544
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCWMSWRM09_078
تاریخ نمایه سازی: 21 فروردین 1399
Abstract:
به منظور آگاهی از شرایط آینده و برنامه ریزی برای تخصیص بهینه منابع آب به بخشهای مختلف از قبیل شرب، کشاورزی و ...، پیش بینی مقادیر جریان ورودی به سیستم منابع آب امری ضروری در مدیریت منابع آب می باشد. هدف از تحقیق حاضر پیش بینی مقادیر دبی ماهانه ورودی به سد گلستان برای آینده می باشد. بدین منظور از داده های هیدرومتری چهار ایستگاه قوچمز، پلکوسه، قرهشور و اوغان و دو مدل شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی استفاده شد و نتایج مدل های مختلف مورد مقایسه قرار گرفت. با توجه به نتایج به دست آمده و با استفاده از معیارهای ارزیابی، در سه ایستگاه قره شور، پل کوسه و اوغان مدل ماشین بردار پشتیبان عملکرد بهتری را نسبت به مدل شبکه عصبی داشته است. و تنها در ایستگاه قوچمز عملکرد مدل شبکه عصبی بهتر بوده است. بر اساس نتایج این تحقیق، بهترین مدل برای پیش بینی دبی ماهانه ورودی به سد گلستان، مدل ماشین بردار پشتیبان می باشد.
Keywords:
Authors
میثم صمدی
دکتری آبخیزداری، شرکت مهندسین مشاور ایده پردازان توسعه، تهران، ایران.
امیر پیام مسلم
کارشناسی مرتع و آبخیزداری، شرکت مهندسین مشاور ایده پردازان توسعه، تهران، ایران.
ایمان بیت اله پور چهارمحالی
دکتری سازه های آبی ، شرکت مهندسین مشاور ایده پردازان توسعه، تهران، ایران.
لیلا کوشافر
کارشناس ارشد عمران آب، شرکت مهندسین مشاور ایده پردازان توسعه، تهران، ایران.
محمدایمان فرمهینی فراهانی
کارشناس ارشد ژئوتکنیک، شرکت مهندسین مشاور ایده پردازان توسعه، تهران، ایران.