شبیه سازی روزانه جریان رودخانه با استفاده از مدل ترکیبی الگوریتم ژنتیک-رگرسیون بردار پشتیبان GA-SVR
Publish place: On Modern Archievements in Civil Engineering Architecture, Environment and Urban Management
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 792
This Paper With 7 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:
CAECONF01_280
Index date: 14 October 2015
شبیه سازی روزانه جریان رودخانه با استفاده از مدل ترکیبی الگوریتم ژنتیک-رگرسیون بردار پشتیبان GA-SVR abstract
پیش بینی مناسب جریان روزانه رودخانه کمک شایانی به مدیریت و برنامه ریزی منابع آب درهرمنطقه ای می کند ازاین رو دراین تحقیق به پیش بینی روزانه جریان درایستگاه بیطاس دربالا دست سدمهاباد دربین سالهای 82-83 لغایت 85-86 پرداخته شده است درسالهای اخیر استفادها زروشهای هوش مصنوعی درزمینه پیش بینی جریان کاربرد زیادی پیدا کرده اند یکی ازروشهای هوش مصنوعی که این زمینه با موفقیت مورداستفاده قرارگرفته است روش رگرسیون بردار پشتیبان SVR است کارایی مناسب این روش مستلزم تنظیم مناسب پارامترهای آن است که معمولا به روش ازمون و خطا تنظیم میشوند تنظیم این پارامترها به روش ازمون وخطا معمولا به شکل مناسبی صورت نمی گیرد ازاین رو دراین تحقیق تنظیم مناسب این پارامترها توسط الگوریتم ژنتیک GA بصورت خودکار انجام شد نتایج نشان داد که ضریب همبستگی برای داده ها اموزش برابر 0/692 و برای داده های ازمایش برابر 0/542 بدست آمده است
شبیه سازی روزانه جریان رودخانه با استفاده از مدل ترکیبی الگوریتم ژنتیک-رگرسیون بردار پشتیبان GA-SVR Keywords:
شبیه سازی روزانه جریان رودخانه با استفاده از مدل ترکیبی الگوریتم ژنتیک-رگرسیون بردار پشتیبان GA-SVR authors
امیررضا نعمتی
دانشگاه آزاد اسلامی واحد اسلامشهر باشگاه پژوهشگران جوان و نخبگان اسلامشهر ایران
محمودرضا ذاکری نیری
استادیار گروه مهندسی عمران دانشگاه آزاد اسلامی واحد اسلامشهر
صابر معظمی گودرزی
استادیار گروه مهندسی عمران دانشگاه آزاد اسلامی واحد اسلامشهر
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 :