پیش بینی بار بستر رودخانه ها با استفاده از مدل ماشین بردار پشتیبان رگرسیونی (SVR) (مطالعه موردی: رودخانه بار نیشابور)

محمد لطف آبادی; فرهاد خامچین مقدم; سیداحسان شبرنگی

پیش بینی بار بستر رودخانه ها با استفاده از مدل ماشین بردار پشتیبان رگرسیونی (SVR) (مطالعه موردی: رودخانه بار نیشابور)

Publish place: National Congress Numerical Methods in Civil Engieering 2015National Congress Numerical Methods in Civil Engieering 2015

Publish Year: 1394

Type: Conference paper

Language: Persian

This Paper With 13 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

Export:

Link to this Paper:

https://civilica.com/doc/523649

Document National Code:

NMCE01_009

Index date: 1 November 2016

پیش بینی بار بستر رودخانه ها با استفاده از مدل ماشین بردار پشتیبان رگرسیونی (SVR) (مطالعه موردی: رودخانه بار نیشابور) abstract

با توجه به بحران موجود در منابع آب و نگاه کاربردی در انجام پژوهش های علمی، دست یابی به روشی که قادر به برآوردو پیش بینی دقیق رفتار یک پدیده باشد اهمیت فراوانی دارد. لذا در این پژوهش با توجه به نیاز به روز صنعت (شرکت آب منطقه ایخراسان رضوی) به منظور ارزیابی بند انحرافی بالادست سد بار نیشابور، مطالعه موردی بر روی حوضه ی رودخانه بار درخصوص برآوردو پیش بینی بار بستر صورت پذیرفته است. برای این منظور از بسط مفاهیم ریاضی مدل ماشین بردار پشتیبان رگرسیونی (SVR) وبرنامه نویسی در نرم افزار متلب بهره گرفته شده است. کنترل صحت اجرای برنامه با بررسی خطوط تفکیک کننده با توابع منحنی(کرنل های) Polynomial, MLP, RBF و... بر روی 65 % از داده ها به عنوان گروه آموزش و 35 % از داده ها به عنوان گروه ارزیابی انجام شده و درنهایت خط بهینه ی برازش یافته بر داده ها با حداقل ریسک عملیاتی تحت تابع کرنل خطی حاصل گردیده است. کنترل پارامترهای اساسی برنامه (C, ε و σ) به صورت سعی و خطا بررسی شده و نتایج با مدل برنامه ریزی ژنتیک مقایسه گردیده است. دقت هر دو روش بسیار نزدیک به هم بوده که به دلیل سادگی رابطه ی ارائه شده در مدل ماشین بردار پشتیبان این مدل (با ضریب تعیین معادل 0/67) به عنوان یک روش کاربردی در این زمینه معرفی می گردد.

پیش بینی بار بستر رودخانه ها با استفاده از مدل ماشین بردار پشتیبان رگرسیونی (SVR) (مطالعه موردی: رودخانه بار نیشابور) Keywords:

بار بستر , برنامه ریزی ژنتیک , توابع منحنی (کرنل) , ماشین بردار پشتیبان رگرسیونی , نیاز به روز صنعت

پیش بینی بار بستر رودخانه ها با استفاده از مدل ماشین بردار پشتیبان رگرسیونی (SVR) (مطالعه موردی: رودخانه بار نیشابور) authors

محمد لطف آبادی

دانش آموخته کارشناسی ارشد مهندسی عمران سازه های هیدرولیکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران، نویسنده مسئول مکاتبات

فرهاد خامچین مقدم

استادیار گروه مهندسی عمران، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

سیداحسان شبرنگی

استادیار گروه مهندسی عمران، واحد کرج، دانشگاه آزاد اسلامی، کرج، 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 :

و بار بستر در رودخانه اهرچای (بالادست سد ستارخان)" مجله ...

محسن درضا بیلندی، عباس خاشعی سیوکی و صادق صادقی طبس، ...

فرشاد احمدی، فریدون رادمنش، رسول میرعباسی نجف آبادی، "مقایسه روش‌های ...

الهام کاکائی لفدانی، عادل قرنعمت رودسری، کورش قادری و علیرضا ... [مقاله کنفرانسی]

برآورد بار رسوب حوضه آجی چای با استفاده از شبکه های عصبی مصنوعی و ماشین های بردار پشتیبان [مقاله کنفرانسی]

A.O. Pektas and E. Dogan, "Prediction of bed load via ...

_ احسان علیایی، محمدعلی قربانی "پیش بینی بار معلق رودخانه‌ها ...

Support Vector Regression ...

Radial Basis Function ...

Multi-Layer perceptron ...

Support Vector Machine 5- Cortes &Vapnik ...

Adaptive Network based Fuzzy Inference System ...

Artificial Neural Network ...

Karush -Kuhn -Tucker conditions ...

Particle Swarm Optimization ...

Imperialist Competitive Algorithm 1 1- Training Data 12- Validation Data ...

Mesut Cimen, "Estimation of daily suspended sediments using support vector ...

P.S. Yu, S.T. Chen and I.F. Chang, "Flood stage forecasting ...

J. Shiri, O. Kisi, A. Hosseinzadeh Dailar and , Cimen, ...

_ _ _ networks and support vector machines, " Journal ...

نمایش کامل مراجع