مقایسه عملکرد روش های هوش مصنوعی ANN و SVM در مدل سازی فرایند بارش – رواناب (مطالعه موردی: حوضه آبخیز کارون شمالی)
Publish place: Journal of Water and Soil Science، Vol: 25، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 377
This Paper With 14 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-25-2_006
تاریخ نمایه سازی: 11 مهر 1400
Abstract:
شبیه سازی فرایند بارش- رواناب در حوضه آبخیز از نقطه نظر درک بهتر مسائل هیدرولوژیک، مدیریت منابع آب، مهندسی رودخانه، سازه های کنترل سیل و ذخیره سیلاب اهمیت ویژه ای دارد. در این تحقیق، به منظور شبیه سازی فرایند بارش– رواناب از داده های بارش و دبی جریان در دوره زمانی ۱۳۹۶-۱۳۷۶ استفاده شد. بعد از کنترل کیفی و صحت داده ها، تاخیر بارش و دبی با استفاده از ضرایب خودهمبستگی، خود همبستگی جزئی و همبستگی متقارن در نرم افزار R Studio مشخص شد. سپس پارامترهای موثر و ترکیب بهینه نیز به روش آزمون گاما تعیین و برای اجرای مدل تحت سه سناریوی مختلف در نرم افزار MATLAB مورد استفاده قرار گرفتند. نتایج آزمون گاما نشان داد که پارامترهای بارش روز جاری، بارش یک روز قبل، دبی روز قبل و دو روز قبل دارای بیشترین تاثیر در دبی خروجی حوضه هستند. همچنین ترکیب های Pt Qt-۱ و Pt Pt-۱ Qt-۱ Qt-۲ Qt-۳ مناسب ترین ترکیب بهینه ورودی برای مدل سازی انتخاب شدند. نتایج مدل سازی نشان داد که در مدل ماشین بردار پشتیبان تابع کرنل پایه شعاعی (RBF) نسبت به کرنل های چندگانه و خطی دارای عملکرد بهتری است. همچنین کارایی مدل شبکه عصبی مصنوعی (ANN) نسبت به مدل ماشین بردار پشتیبان (SVM) با تابع کرنل پایه شعاعی (RBF) بهتر است.
Keywords:
Gamma test , Optimum combination , Soft calculations , Artificial neural network , Support vector machine , North Karun watershed , آزمون گاما , ترکیب بهینه , محاسبات نرم , شبکه عصبی مصنوعی , ماشین بردار پشتیبان , حوضه آبخیز کارون شمالی
Authors
سیدحسین روشان
۱. Watershed Management Engineering, Sari Agricultural Sciences and Natural Resources University. Mazandaran, Iran.
کاکا شاهدی
۱. Watershed Management Engineering, Sari Agricultural Sciences and Natural Resources University. Mazandaran, Iran.
محمود حبیب نژاد روشن
۱. Watershed Management Engineering, Sari Agricultural Sciences and Natural Resources University. Mazandaran, Iran.
J. Chormanski
۲. Faculty of Civil and Environmental Engineering, Warsaw University of Life Sciences, Warsaw, Poland.
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 :