تخمین دبی رودخانه با استفاده از مدل محاسباتی SVM و مقایسه با شبکه عصبی مصنوعی RBFمطالعه موردی شیرین رود راور
Publish place: 6th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,109
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCWMSWRM06_143
Index date: 12 July 2014
تخمین دبی رودخانه با استفاده از مدل محاسباتی SVM و مقایسه با شبکه عصبی مصنوعی RBFمطالعه موردی شیرین رود راور abstract
جهت مدیریت منابع آب لازم است تا مقادیر جریان رودخانه در گام های زمانی مختلف را تخمین بزنیم. بدین منظور طی سالیان متمادی جهت تخمین دبی رودخانه روش های مختلفی ابداع شده که به طور کلی می توان به دو دسته مدل های مفهومی و مدل های مبنی بر داده یا آمار طبقه بندی کرد. از مدل های متداول آماری جهت پیش بینی وتخمین جریان رودخانه می توان به ماشین بردار پشتیبان اشاره کرد. در این تحقیق با استفاده از داده های دو ایستگاه به نام های تنگل آب گرم و سارنگ و داده های هواشناسی به تخمین دبی رودخانه شیرین رود راور در ایستگاه حور پرداختیم. بازه زمانی مورد استفاده از سال 1385 تا سال 1390 به صورت روزانه می باشد. در مدل SVM ده ترکیب ورودی را مورد بررسی قرار دادیم و بهترین ترکیب به همراه تابع کرنل آن را استخراج نمودیم. در انتها با اجرای شبکه عصبی مصنوعی RBF مقایسه نتایج آن با مدل SVM پرداختیم. نتایج حاصل حاکی از برتری مدل SVM نسبت به ASNN-RBF می باشد
تخمین دبی رودخانه با استفاده از مدل محاسباتی SVM و مقایسه با شبکه عصبی مصنوعی RBFمطالعه موردی شیرین رود راور Keywords:
دبی رودخانه , شبکه عصبی مصنوعی RBF ماشین بردار پشتیبان
تخمین دبی رودخانه با استفاده از مدل محاسباتی SVM و مقایسه با شبکه عصبی مصنوعی RBFمطالعه موردی شیرین رود راور authors
قاسم اعتمادیان
دانشجوی کارشناس ارشد آبیاری و زهکشی دانشگاه آزاد اسلامی واحد کرمان
علی نشاط
استادیار گروه آب دانشگاه آزاد اسلامی واحد کرمان
محمد علیخانی نژاد
کارشناس ارشد آبیاری و زهکشی دانشگاه آزاد اسلامی واحد کرمان
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 :