مقایسه کارایی الگوریتم های J48، Random Forest و Random Tree در پیشبینی فرم بستر در رودخانه های ماسه ای

پیشبینی دقیق هندسه فرم بستر رودخانه، یک جزء ضروری برای برآورد مقاومت در برابر جریان و شرایط جریان میباشد؛ لذا در این پژوهش از ابزاری جدید با عنوان سیستم های هوش مصنوعی به منظور پیشبینی فرم بستر رودخانه استفاده شده است. در تحقیق حاضر از سه الگوریتم J48، Random Forest و Random Tree به منظور پیشبینی فرم بستر رودخانه استفاده گردید. ارزیابی نتایج به دست آمده با استفاده از معیارهای آماری Correctly Claddified Intances، RMSE و ROC Area انجام شده است. نتایج نشان داد که الگوریتم Random Forestبرای داده های آزمایشگاهی با معیارهای آماری CCI=89 درصد، RMSE=0/16، ROC=0/977 و الگوریتمRandom Tree برای داده های صحرایی با معیارهای آماری CCI=86 درصد، RMSE=0/29، ROC=0/904دارای عملکرد بهتری می باشند. همچنین نتایج بیانگر عملکرد ضعیف تر الگوریتم J48 برای پیشبینی فرم بستر نسبت به دو الگوریتم دیگر میباشد.

Keywords:

درخت تصمیم , طبقه بندی , فرم بستر , نرم افزار Weka