مدلسازی رواناب ماهانه با استفاده از روشهای داده کاوی براساس الگوریتم های انتخاب ویژگی

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 230

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_WSRCJ-7-4_004

تاریخ نمایه سازی: 4 آبان 1400

Abstract:

باتوجه به اهمیت مقدار جریان خروجی از حوضه آبریز جهت مدیریت آب­های سطحی، فهم دقیق ارتباط بین مقدار رواناب با پارامترهای اقلیمی همچون بارش و دما و شناسائی موثرترین پارامتر در فرآیند مدل­سازی بسیار مهم می باشد. در این تحقیق پس از آزمون همگنی داده های بارش، دما و رواناب ماهانه حوضه آبریز ناورود، ابتدا براساس دو الگوریتم رلیف و همبستگی دو ترکیب مختلف از پارامترهای موثر در رواناب مورد توجه قرار گرفت. الگوریتم جدید رلیف با استفاده از میانگین بردار وزنی مرتبط بین داده ها و یک مقدار آستانه، ویژگی های موثر در بین یک مجموعه از داده ها را به ویژه در شرایطی که تعداد داده ها کم باشد، به ترتیب اهمیت شناسایی می کند. سپس با استفاده از دو روش رگرسیون بردار پشتیبان و نزدیک ترین همسایگی رواناب ماهانه مبتنی بر دو ترکیب ورودی پیشنهادی مدل­سازی گردید. نتایج به دست آمده نشان داد، روش رگرسیون بردار پشتیبان با بهره­گیری از تابع کرنل شعاع محور نسبت به روش نزدیک ترین همسایگی از دقت بالا و خطای کمتری در برآورد رواناب به خصوص در مقادیر جریان های سیلابی برخوردار است.

Authors

محمدتقی ستاری

عضو هیئت علمی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

علی رضازاده جودی

کارشناسی ارشد عمران-آب، باشگاه پژوهشگران جوان و نخبگان، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، ایران.

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 :
  • بی نام، ۱۳۸۲. گزارش طرح جامع چند منظوره حوضه آبریز ...
  • جودی حمزه آباد، آ.، کدخدا حسینی، م.، اخوان، س. و ...
  • خزایی، م.، میرزایی، م. و ملکیان، آ. ۱۳۹۳. ارزیابی کارایی ...
  • رضایی، ع.، مهدوی، م.، لوکس، ک.، فیض نیا، س. و ...
  • سیدیان، س م.، سلیمانی، م. و کاشانی، م. ۱۳۹۳. پیش ...
  • شهرابی، ج. و ذوالقدر شجاعی، ع. ۱۳۹۰. داده کاوی پیشرفته) ...
  • عبداله پور آزاد، م. و ستاری، م. ۱۳۹۴. پیش بینی ...
  • عزمی، م. و عراقی نژاد، ش. ۱۳۹۱. توسعه روش رگرسیون ...
  • عظیمی، و.، وکیلی فرد، ع. و اسدی، ا. ۱۳۹۴. ارزیابی ...
  • غلامی، و. و درواری، ز. ۱۳۹۲. شبیه سازی فرایند بارش-رواناب ...
  • فتح ا... زاده، ط. ۱۳۹۴. بررسی انواع و شدت فرسایش ...
  • ملکیان، آ.، محسنی ساروی، م. و مهدوی، م. ۱۳۸۳. بررسی ...
  • نگارش، ح.، طاوسی، ت. و مهدی نسب، م. ۱۳۹۱. مدل ...
  • ولی خوجینی، ع. ۱۳۷۷. بررسی شماره منحنی (CN) روش SCS ...
  • Adamowski, J. ۲۰۱۳. Using support vector regression to predict direct ...
  • Eskandarinia, A., Nazarpour, H., Teimouri, M., Ahmadi, M. ۲۰۱۰. Comparison ...
  • Hu, C., Wu, Z., Wang, J., Liu, L. ۲۰۱۱. Application ...
  • Kira, K., and Rendell, L. A. ۱۹۹۲. The Feature Selection ...
  • Kumar Vyas, S., Prakash Mathur, Y., Sharma, G., Ghandvani, V. ...
  • Okkan, U., Serbes, Z. A. ۲۰۱۲. Rainfall-Runoff modeling using least ...
  • نمایش کامل مراجع