استفاده از رگرسیون بردار پشتیبان برای پیش بینی دبی رودخانه شفارود در استان گیلان

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 646

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • 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:

NCCE08_0340

تاریخ نمایه سازی: 5 مهر 1393

Abstract:

پیش بینی دقیق دبی رودخانه در بسیاری از فعالیت های مرتبط با سیستم های منابع آب از اهمیت ویژه ای برخوردار است. بدین منظور روش های مختلفی از سوی متخصصین منابع آب برای پیش بینی دبی رودخانه ارایه گردیده که روش های مبتنی بر هوش مصنوعی – خصوصاً شبکه های عصبی مصنوعی- یکی از آن ها می باشد که تقریباً بیش از دو دهه است که در این زمینه مورد استفاده قرار می گیرد. اخیراً نیز رویکردی دیگرمبتنی بر هوش مصنوعی با عنوان رگرسیون بردار پشتیبان در مدلسازی توجه متخصصین را به خود جلب نموده است. هدف از این مطالعه بررسی استفاده از مدل رگرسیون بردار پشتیبان در پیش بینی دبی ماهانه رودخانه شفارود در استان گیلان می باشد. به منظور مقایسه، مسأله با استفاده از رگرسیون خطی نیز تحت بررسی قرار گرفته است. نتایج این مطالعه نشان داد که مدل رگرسیون بردار پشتیبان کارایی نسبتاً خوبی از خود نشان میدهد که این موضوع نشان دهنده این است که این مدل می تواند به عنوان یک آلترناتیو در پیش بینی فرایند های پیچیده هیدرولوژیکی مورد توجه بیشتری قرار گیرد.

Authors

امان محمد کلته

استادیار گروه مرتع و آبخیزداری دانشگاه گیلان رشت 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 :
  • Cimen, M. and Kisi, O. (2009). "Comparison of two different ...
  • Demirel, M.C. Venancio, A. and Kahya, E. (2009). :Flow forecast ...
  • Hsu, K. L. Gupta, H.V. and Sorooshian, S. (1995). ":Artificial ...
  • Kerh, T. and Lee, C.S. (2006). "Neural networks forecasting of ...
  • Kisi, O. and Cimen, M. (2009). _ Evapotran spiration modelling ...
  • Vapnik, V. (1995). The Nature of Statistical Learning Theory. Springer, ...
  • نمایش کامل مراجع