مقایسه عملکرد مدل درختی M5 با مدل های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در استخراج منحنی تداوم جریان مطالعه موردی: ایستگاه خزانگاه رودخانه ارس
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 363
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GDIJ-15-49_008
تاریخ نمایه سازی: 22 تیر 1398
Abstract:
یکیاز مهمترینو پرکاربردترینعلائمپاسخهیدرولوژیکحوزه، منحنیتداومجریان استو درکاربرد هایهیدرولوژیکیبی شماری برای آنالیز فراوانیجریانهایکمینهو سیلابمورد استفادهقرار میگیرد. برای نمایش محدوده کامل دبی رودخانه، از جریان های حداقل تا حداکثر سیلاب و منحنی تداوم جریان (FDC)استفاده می شود؛ بنابراین استخراج دقیق این منحنی ها با حداقل خطا حائز اهمیت فراوانی است. در این مطالعه کارایی مدل درختی M5 در استخراج منحنی تداوم جریان در مقایسه با شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای ایستگاه خزانگاه رودخانه ارس واقع در استان آذربایجان شرقی بررسی شد.با توجه به نتایج به دست آمده در مدل درختی M5، ترکیب 80% دادهها برای آموزش و مابقی برای تست مدل، بهترین عملکرد را در ارائه منحنی تداوم جریان با 992/0R2=، (m3/s)47/5RMSE= و (m3/s) 38/4MAE= نشان داد. با بررسی نتایج مدل های مختلف شبکه عصبی، بهترین مدل با 2 نرون برای لایه مخفی با مقادیر 997/0R2=، (m3/s) 91/3RMSE= و (m3/s) 30/3MAE= به دست آمد.بررسی عملکرد کرنل RBF مدل ماشین بردار پشتیبان نشان داد که این مدل بهترین عملکرد را در شبیه سازی منحنی تداوم جریان داشت؛ به طوری که دارای حداقل مقدار مجذور میانگین مربع های خطا ((m3/s) 98/2RMSE=)، بالاترین ضریب همبستگی (998/0R2=) و کمترین مقدار خطای نسبی ((m3/s) 66/2MAE=) بود. مقایسه نتایج بین انواع مدل های هوشمند مورد بررسی، بیانگر این است که هر سه مدل در تخمین مقادیر دبی منحنی تداوم جریان عملکرد مناسبی دارند؛ اما مدل درختی M5 به علت سادگی محاسبات و ارائه روابط شده، به لحاظ کاربردی قابلیت بیشتری میتواند در استخراج منحنی تداوم داشته باشد.
Keywords:
Authors
قربان مهتابی
استادیار مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
فاطمه بیات
دانشجوی کارشناسی ارشد منابع آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، 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 :