ارزیابی کارایی سامانههای ماشین بردار پشتیبان و شبکه عصبی مصنوعی در تحلیل منطقهای سیلاب (مطالعه موردی: حوضه آبخیز دریاچه نمک)
Publish place: Journal of Water and Soil Science، Vol: 23، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 266
This Paper With 16 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:
JR_JWSS-23-1_026
تاریخ نمایه سازی: 21 اردیبهشت 1400
Abstract:
تخمین دبی سیلاب با دوره بازگشت مختلف، یکی از مهمترین عوامل لازم برای طراحی و اجرای سازههای آبی است. از طرفی بسیاری از رودخانههای موجود در حوضههای آبخیز ایران فاقد آمار و اطلاعات آبسنجی کامل و دقیق هستند. در چنین مواردی یکی از راه حلهای مناسب برای برآورد دبیهای سیلابی با دوره بازگشت مختلف، انجام تحلیل منطقهای سیلاب است. در پژوهش حاضر ۵۵ ایستگاه آبسنجی مورد استفاده قرار گرفتند. برای اینمنظور ابتدا دبیهای حداکثر لحظهای ایستگاههای منتخب در دوره بازگشتهای مختلف با استفاده از نرمافزار Easy Fit برآورد شد. سپس متغیرهای موثر بر دبیهای سیلابی جمعآوری و متغیرهای ورودی مدل با استفاده از آزمون گاما و به کمک نرمافزار WinGamma تعیین شدند. درنهایت مدلسازی دادهها با استفاده از ماشین بردار پشتیبان، شبکه عصبی مصنوعی و رگرسیون چند متغیره غیرخطی انجام پذیرفت. ارزیابی کمی و کیفی نتایج با استفاده از آمارههای گوناگون از جمله آماره ناش- ساتکلیف نشان داد که روش مدلسازی ماشین بردار پشتیبان، از بیشترین دقت نسبت به دو روش مدلسازی دیگر بهمنظور پیشبینی دبیهای حداکثر لحظهای در حوضه آبخیز دریاچه نمک برخوردار است.
Keywords:
Hydrometric Stations , Return Period , Gamma Test , Support Vector Machine , Namak Lake Watershed , ایستگاه آبسنجی , دوره بازگشت , آزمون گاما , ماشین بردار پشتیبان , حوضه آبخیز دریاچه نمک
Authors
ابراهیم شریفی گرمدره
۱. Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Nour, Iran.
مهدی وفاخواه
۱. Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Nour, Iran.
سیدسعید اسلامیان
۲. Department of Water Engineering, College of Agriculture Engineering, Isfahan University of Technology, Isfahan, Iran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :