ارزیابی قابلیت ماشین بردار پشتیبان در برآورد بار کف در رودخانه های شنی
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 666
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ATTITTDE01_068
Index date: 8 May 2016
ارزیابی قابلیت ماشین بردار پشتیبان در برآورد بار کف در رودخانه های شنی abstract
بار کف حمل شده توسط رودخانه ها می تواند مشکلات عدیده ای را از قبیل کاهش عمر تاسیسات رودخانه ای وکاهشظرفیت مخازن سدها ایجاد کند. با توجه به تاثیر قابل توجه بار کف بر مورفولوژی رودخانه ها و محیط زیست و ماهیتپیچیده آن مطالعه مکانیزم انتقال بار کف ضروری به نظر می رسد. اگرچه در دهه های اخیر روابط و روش های تجربی ونیمه تجربی بسیاری به منظور مدل سازی و تخمین بار کف رودخانه ها ارائه شده است، ولی هیچ کدام از این روش هانتوانسته جایگاهی جامع و مقبول در زمینه انتقال بار کف به خود اختصاص دهد. در این مقاله از روش ماشین بردارپشتیبان (SVM) که شاخه ای از روش های محاسبات نرم (هوش مصنوعی) می باشد به منظور مدلسازی و تخمین بارکف سه رودخانه با بستر شنی استفاده شده است.در به کار گیری روش SVM از چهار ترکیب ورودی متشکل ازپارامترهای رودخانه ای و همچنین از چهار تابع کرنل استفاده شده است. نتایج حاصل از مدل های SVM با نتایجتخمین روابط های کلاسیک بار کف برای همان رودخانه ها مقایسه گردیده است. نتایج حاصل حاکی از برتری محسوسروش SVM نسبت به روش های کلاسیک در تخمین بارکف می باشد.
ارزیابی قابلیت ماشین بردار پشتیبان در برآورد بار کف در رودخانه های شنی Keywords:
ارزیابی قابلیت ماشین بردار پشتیبان در برآورد بار کف در رودخانه های شنی authors
علی کوشه
دانشجوی دکتری دانشکده مهندسی عمران - مهندسی و مدیریت منابع آب ،دانشگاه تبریز،
کیومرث روشنگر
دانشیار دانشکده مهندسی عمران ،دانشگاه تبریز
شبنم حسین زاده
کارشناس ارشد مهندسی عمران - سازه های هیدرولیکی، دانشگاه تبریز
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 :