مقایسه کارایی الگوریتم های ماشین بردار پشتیبان و K نزدیک ترین همسایگی برای طبقه بندی کیفیت آب زیرزمینی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 601

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

IHC12_116

تاریخ نمایه سازی: 30 شهریور 1394

Abstract:

امروزه در کشور ما آبهای زیرزمینی یکی از منابع مهم آبی به شمار می روند که برای تأمین نیاز شرب مورد استفاده قرار می گیرند. از این رو تعیین کیفیت آنها کاملا ضروری است. یکی از راه های تعیین کیفیت آب، محاسبه شاخص های کیفی است که کاری بسیار زمانبر و نیازمند به نظرات کارشناسی است. راهکار دیگر برای طبقه بندی کیفی آب، استفاده از الگوریتم های طبقه بندی است که می توان با یکبار آموزش این الگوریتم ها، کیفیت هزاران نمونه آب را به آسانی تعیین نمود. ولی سئوال این است که آیا و تا چه اندازه، نتایج این الگوریتم ها با یکدیگر متفاوت است و کدام الگوریتم دارای نتایج صحیح تری است. برای پاسخگویی به این سئوالات، در مقاله حاضر، کارایی دو الگوریتم پرکاربرد ماشین بردار پشتیبان و K نزدیک ترین همسایگی با استفاده از روش صحت سنجی متقاطع 5 لایه برای طبقه بندی کیفیت آب زیرزمینی بررسی و مقایسه شده است. بدین منظور از آمار کیفیت آب ۱۰۰ چاه مشاهداتی در دشت تهران در سال آبی ۱۳۸۲-۸۳ استفاده شده است که بر اساس دو آلاینده نیترات و کلر و با استفاده از شاخص CCME طبقه بندی شده اند. نتایج این تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان به خوبی آموزش پذیر است به طوریکه در مراحل واسنجی و صحت سنجی بدون خطا بوده است و کارایی بسیار بهتری نسبت به الگوریتم K نزدیک ترین همسایگی برای طبقه بندی کیفیت آب دارد.

Authors

فرشته مدرسی

دانشجوی دکتری مهندسی منابع آب دانشگاه تهران

شهاب عراقی نژاد

استادیار دانشگاه تهران

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 :
  • Balabin, R. M., Safieva, R. Z., and Lomakina, E. I. ...
  • Byvatov, E., Fechner, U., Sadowski, J., and Schneider, G. (2003). ...
  • Canadian Council of Ministers of the Environment (CCME): 2001, "Canadian ...
  • Chen, X., Li, Y. S., Liu, Z., Yin, K., Li, ...
  • Horton, R. K. (1965). "An index number system for rating ...
  • Lee, M. S., and Park, S. S. (2006). "Comparative analysis ...
  • Tamouk, J., and Allahakbari, F. (2012). "A comparison among accuracy ...
  • Tsuta, M., Masry, G. E., Sugiyama, T., Fujita, K., and ...
  • Vapnik, V. N. (1995). The Nature of Statistical Learning Theory. ...
  • Werther, W., Lohninger, H., Stancl, F., and Varmuza, K. (1994). ...
  • Yang Su, M. (2011), " Real-time anomaly detection systems for ...
  • نمایش کامل مراجع