پیش بینی سری زمانی رسوب با استفاده از تئوری موجک ماشین بردار پشتیبان و تئوری موجک- شبکه عصبی
محل انتشار: کنفرانس بین المللی مهندسی شهرسازی، عمران،معماری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 590
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICOA01_104
تاریخ نمایه سازی: 11 آبان 1395
چکیده مقاله:
در این تحقیق از ترکیب ماشین بردار پشتیبان و شبکه عصبی مصنوعی با تئوری موجک استفاده شده است. گام هایگذشته دبی و رسوب و ترکیب آنها به عنوان ورودی مدل انتقال داده شد. در این مدل ترکیبی با استفاده از آنالیز موجک،سری زمانی به زیرسری های تقریب و زیرسری های جزئیات تجزیه شده و سپس این زیر سری ها وارد شبکه عصبیمصنوعی و ماشین بردار پشتیبان می شوند. خروجی مدل را گام زمانی آینده پیش بینی خواهد کرد.از شاخص های آماری نظیر میانگین قدر مطلق خطا (MAE) و ضریب تبیین ((R(2) و جذر میانگین مربعات خطا (RMSE)برای ارزیابی مدل استفاده گردید. نتایج نشان داد که ترکیب تئوری موجک با شبکه عصبی مصنوعی دارای نتایج مناسبتری می باشد.
کلیدواژه ها:
نویسندگان
مائده صادقپورحاجی
دانشگاه آزاد اسلامی، واحد قائمشهر، گروه مهندسی عمران، قائمشهر، ایران
بهرخ غفاری
دانشجوی کارشناسی ارشد عمران مهندسی آب و سازه های هیدرولیکی. موسسه آموزش عالی علوم و فناوری آریان
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 :