مدل سازی سطح آب زیر زمینی با مدل محاسباتی ماشین بردار پشتیبان (مطالعه موردی : دشت کرمان)

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 491

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IAUD01_103

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

پیش بینی سطح آبهای زیرزمینی به منظور مدیریت آن به عنوان یکی از منابع مهم و عمده تامین آب شرب وکشاورزی در مناطق خشک و نیمه خشک ضروری است. در این تحقیق از روش ماشین بردار پشتیبان (SVM) بهعنوان یک روش محاسباتی هوشمند به منظور پیش بینی سطح آب زیر زمینی دشت کرمان در کشور ایران استفادهشده است. بازه زمانی مورد استفاده در این تحقیق از سال 1986 تا 2010 به صورت ماهانه (معادل 280 ماه) می باشد.داده های ورودی مدل شامل دما ، رطوبت ، بارندگی و ارتفاع پیزومتریک بوده است . نتایج حاکی از قدرت تعمیم بالایماشین بردار پشتیبان است.

کلیدواژه ها:

پیش بینی سطح آب زیر زمینی ، ماشین بردار پشتیبان (SVM)

نویسندگان

محمد علیخانی نژاد

دانشجوی کارشناسی ارشد رشته آبیاری و زهکشی دانشگاه آزاد اسلامی، واحد کرمان

امیر جلال کمالی

استادیار گروه آب دانشگاه آزاد اسلامی، واحد کرمان

بیتا نعمت اللهی

دانشجوی کارشناسی ارشد رشته مدیریت منابع آب دانشگاه آزاد اسلامی، واحد کرمان

علی سلطانی

دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه آزاد اسلامی، واحد کرمان

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 :
  • عسگری، ح . کراچیان _ ر . (1385)، . کاربرد ...
  • کیانی فلاورجانی، م، . احمدی، آ، . گنجی، م، . ...
  • نیک بخت شهبازی، ع . زهرایی، ب . ناصری، م، ...
  • پهنه‌بندی کیفی منابع آب سطحی با استفاده از ماشین‌های بردار پشتیبان احتمالاتی و شبکه‌های بیزی [مقاله کنفرانسی]
  • http : //www _ mediamb ient _ gencat _ net/aca/ca/inic ...
  • Aizerman, M. _ Braverman, E. M., and Rozonoer, L. I., ...
  • Babovic, V., Keijzer, M., Bundzel, M. 2000. From global to ...
  • CAO, sh., and LIU, Y, WANG, Y. , (2008), "A ...
  • Chen, S.T., Yu, P.S. 2007a. Pruning of support vector networks ...
  • Cortes, C., and Vapnik, V. N., (1995), "Support Vector Networks", ...
  • Friedman, J., (1996), ":Another Approach to P olychotomous Clas sification", ...
  • Jalalkamali, _ Sedghi, H., Manshouri, M., 2011. Monthly groundwater level ...
  • Knerr, S., Personnaz, L, and Dreyfus, G., (1990), "Single-Layer Learning ...
  • KreBel, U., (1999), "Pairwise Classification And Support Vector Machines", In ...
  • . Kunwar P, . Singh, . Nikita Basant., . Shikha ...
  • Ma, Y., and Cherkassky, V., (2003), "Multiple Model Classification Using ...
  • Noori, R., Karbassi, A.R., Mo ghaddamnia, A., Han, B., Zokae ...
  • Noori, R., Karbassi, A.R., Farokhnia, A., Dehghani, M. 2009a. Predicting ...
  • Platt, J., (2000), "Probabilistic Outputs For Support Vector Machines And ...
  • Peixian Li, . Zhixiang Tan, . Lili Yan, . Kazhong ...
  • Tryon, R. C., (1939), :Cluster Analysis", Ann Arbor, Edwards Bro, ...
  • Vapnik, V. N., (1995), "The Nature Of Statistical Learning Theory", ...
  • Vapnik, V. N., (1998), :Statistical Learning Theory", New York: Wiley. ...
  • Wu, T.-F., Lin, C.-J., and Weng, R. C., (2004), "Probability ...
  • نمایش کامل مراجع