بررسی تاثیر تعیین پارامترهای موجود در مدل رگرسیون بردار پشتیبان در عملکرد آن در پیش بینی جریان رودخانه

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 408

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCE08_0341

تاریخ نمایه سازی: 5 مهر 1393

چکیده مقاله:

بی شک یکی از عوامل لازم و ضروری در بسیاری از فعالیت های مرتبط با سیستم های منابع آب پیش بینی دقیق جریان رودخانه می باشد. در این مطالعه، برای پیش بینی دبی جریان ماهانه رودخانه از مدل رگرسیون بردار پشتیبان – روش مبتنی بر هوش مصنوعی-استفاده گردید. عملکرد این مدل برای پیش بینی دبی ماهانه جریان رودخانه حوزه آبخیز ناو در محل ایستگاه خرجگیل مورد مطالعه قرار گرفت. مدل رگرسیون بردار پشتیباندارای پارامترهایی می باشد که باید توسط کاربر تعیین شوند که بر عملکرد آن تأثیر خواهد گذاشت یا خیر. در این مطالعه از الگوریتم ژنتیک برای تعیین پارامترهای مدل استفاده شد. به منظور مقایسه مدلی دیگر با پارامترهای تعیین شده توسط کاربر نیز تهیه شد. نتایج مطالعه نشان داد که مدل رگرسیون بردار پشتیبان که پارامترهای آن با کمک الگوریتم ژنتیک تهیه شده کارایی بهتری از خود نشان می دهد

نویسندگان

امان محمد کلته

استادیار گروه مرتع و آبخیزداری دانشگاه گیلان رشت ایران

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 :
  • Cimen, M. and Kisi, O. (2009). :Comparison of two different ...
  • Demirel, M.C. Venancio, A. and Kahya, E. (2009). :Flow forecast ...
  • Hsu, K. L. Gupta, H.V. and Sorooshian, S. (1995). ":Artificial ...
  • Kerh, T. and Lee, C.S. (2006). "Neural networks forecasting of ...
  • Kisi, O. and Cimen, M. (2009). _ Evapotran spiration modelling ...
  • Pai, P.F. (2006). "System reliability forecasting by support vecor machines ...
  • Vapnik, V. (1995) _ Nature of Statistical Learning Theory" Springer, ...
  • نمایش کامل مراجع