ارزیابی تابع زیان اپسیلون و تابع زیان درجه دوم در پیشبینی هدایت هیدرولیکی اشباع خاک با استفاده از مدل هیبریدی الگوریتم ژنتیک و ماشین بردار پشتیبان
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 841
This Paper With 9 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:
NACONF02_0603
تاریخ نمایه سازی: 27 آبان 1393
Abstract:
ماشین بردار پشتیبان از روشهای یادگیری با ناظر است که برای طبقهبندی و رگرسیون استفاده میشود. الگوریتم ژنتیک یک الگوریتم بهینهسازی عددی برگرفته از طبیعت میباشد. در این تحقیق با هدف ارزیابی مدل هیبریدیالگوریتم ژنتیک و ماشینبردار پشتیبان رگرسیونی در پیشبینی هدایت هیدرولیکی اشباع، از روش چاهکهای پوششدار و از تابع کرنل شعاعی و توابع زیان اپسیلون و درجه دوم استفاده گردید. نتایج با سه شاخص 2 R ، RMSEو NRMSE ارزیابی گردید. طبق نتایج مدل GA-SVR دارای دقت بسیار عالی در پیشبینی هدایت هیدرولیکی و تابع اپسیلون دارای دقت نسبتاً بهتری نسبت به تابع درجه دوم میباشد، اما از نظر زمان اجرا، تابع درجه دوم نسبت به تابع اپسیلون برتری قابل توجهی دارد.
Keywords:
Authors
معصومه مهماندوست
دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
جابر سلطانی
استادیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
محمود مشعل
دانشیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
موسی کلانکی
کارشناس ارشد هوش مصنوعی دانشگاه صنعتی مالک اشتر- مجتمع دانشگاهی علوم و فناوری های زیر دریا
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 :