استفاده از داده های مصنوعی تولید شده در مدلسازی تراوش سد خاکی با استفاده از ترکیب مدلهای هوش مصنوعی
Publish place: The Journal of Water and Soil، Vol: 30، Issue: 1
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 175
This Paper With 13 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_WASO-30-1_003
تاریخ نمایه سازی: 25 دی 1401
Abstract:
اخیرا مدل های هوش مصنوعی مثل شبکه عصبی مصنوعی پیشرو و رگرسیون بردار پشتیبان قابلیت بالایی در مدل سازی سری های زمانی غیرخطی هیدرولیکی نشان داده اند. مدل های هوش مصنوعی روش هایی موثر برای بررسی و مدل سازی مقادیر زیادی از داده های دینامیک، غیرخطی و دارای خطا ارائه می دهند. از اینرو در این مقاله مسئله تراوش سد خاکی ستارخان با استفاده از دو مدل جعبه سیاه هوش مصنوعی شبکه عصبی مصنوعی پیشرو و رگرسیون بردار پشتیبان، بر اساس دو سناریو با ترکیب ورودی های مختلف مورد بررسی قرار گرفته و سپس به عنوان یک روش پیش پردازش برای بهبود عملکرد مدل، سری های نوفه با توزیع نرمال، میانگین صفر وانحراف معیارهای مختلف تولید شده و با افزودن آنها به داده های اصلی و تشکیل مجموعه های آموزشی مختلف، شبیه سازی تراوش با استفاده از مدل های هوش مصنوعی انجام شد. در ادامه به عنوان روشی دیگر برای بهبود عملکرد مدل، روش پس پردازش ترکیب مدل با استفاده از خروجی مدل های منفرد به کار گرفته شد. روش ترکیب مدل با استفاده از روش میانگین گیری غیرخطی با استفاده از شبکه عصبی مصنوعی انجام گرفت. نتایج حاکی از آن است که به کار گیری هم زمان هر دو روش جی ترینگ داده ها و ترکیب مدل، باعث بهبود دقت مدل تا ۳۲% در مرحله صحت سنجی می شود.
Keywords:
Authors
الناز شرقی
عضو هیئت علمی گروه مهندسی عمران-آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران
وحید نورانی
عضو هیات علمی
نازنین بهفر
گروه مهندسی عمران-آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، 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 :