ارزیابی تابع زیان اپسیلون و تابع زیان درجه دوم در پیش بینی هدایت هیدرولیکی اشباع خاک با استفاده از مدل ماشین بردار پشتیبان

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 561

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NACONF02_0602

تاریخ نمایه سازی: 27 آبان 1393

چکیده مقاله:

ماشین بردار پشتیبان از روشهای نسبتاً جدید یادگیری با ناظر است که برای طبقهبندی و رگرسیون استفاده میشود. در این تحقیق با هدف ارزیابی مدل SVR در پیشبینی هدایت هیدرولیکی اشباع، از روش چاهکهایپوششدار و از تابع هسته شعاعی و توابع زیان اپسیلون و درجهدوم استفاده شده و برای سنجش نتایج، سه شاخص 2 R ، RMSE و NRMSE انتخاب گردید. نتایج نشان داد مدل SVR دارای دقت بسیار خوبی در پیشبینی هدایتهیدرولیکی می باشد. همچنین تابع اپسیلون دارای دقت بالاتری نسبت به تابع درجه دوم می باشد اما از نظر زمان اجرا، تابع زیان درجه دوم نسبت به تابع اپسیلون برتری دارد

نویسندگان

معصومه مهماندوست

دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

جابر سلطانی

استادیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

محمود مشعل

دانشیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

موسی کلانکی

کارشناس ارشد هوش مصنوعی دانشگاه صنعتی مالک اشتر- مجتمع دانشگاهی علوم و فناوری های زیردریا

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • _ اسدالله زاده، ت.، 1392، اندازه گیری هدایت هیدرولیکی اشباع ...
  • Asefa, T., M. Kemblowski, G. Urroz, M. McKee, and A. ...
  • Asefa, T., M. Kemblowski, U. Lall, and G. Urro, 2005. ...
  • Lamorski, K., Y. Pachepsky, C. Slawiiski, and R. T. Walczak, ...
  • Liong, S.Y., and C. Sivapragasam. 2000. Flood stage forecasting with ...
  • RMSE 0/0795 0/0151 0/1919 0/1510 0/1791 0/1152 ...
  • NRMSE 0/3171 0/3355 0/1561 0/1371 0/5796 0/5175 ...
  • Navin K. C. Twarakavi, J Simunek and M. G. Schaap, ...
  • Philip, J.R. 1993. Approximate analysis of falling-head lined borehole permeameter. ...
  • Reynolds, W.D., and D.E. Elrick. 2005. Measurement and characterizati _ ...
  • Reynolds, W.D., and G.C. Topp. 2008. Soil water analyses: Principles ...
  • _ Simunek J., Sejna M., and Van Genuchten M.Th. 2006. ...
  • Smola, A., Scholkopf, B. 1998, 199 -222, A tutorial _ ...
  • rwarakavi, M. k. C., J. Simtnek, and M. G. Schaap, ...
  • Vapnic, V. N., 1995, The Nature of Statistical Learning Theory. ...
  • Vapnic, V. N., 2010, The Nature of Statistical Learning Theory. ...
  • Wohlberg, B.E., D.M. Tartakovsky, and A. Guadagnini. 2006. Sub surfac ...
  • Yang, S. and Y. Huang, 2007, Prediction of soil hydraulic ...
  • Reynolds, W.D. 2010. Measuring soil hydraulic properti es permeameter: Steady ...
  • نمایش کامل مراجع