CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

مقایسه دو روش ماشین بردار پشتیبان SVM و نرم افزار Statistica برای پیش بینی دبی روزانه

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۲۰۸۶ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: IHC10_260
زبان مقاله: فارسی
حجم فایل: ۲۸۱.۴۸ کیلوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۰ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه دو روش ماشین بردار پشتیبان SVM و نرم افزار Statistica برای پیش بینی دبی روزانه

  مهدی محرم پور - استادرشته عمران دانشگاه آزاد اسلامی واحد بوئین زهرا
  عبدالحمید محرابی - استادرشته عمران دانشگاه آزاد اسلامی واحد بوئین زهرا
  محیا کاتوزی - دانشجوی رشته مهندسی برق کنترل دانشگاه آزاد اسلامی واحد قزوین
  امین خدابنده شهرکی - استادرشته عمران دانشگاه آزاد اسلامی واحد بوئین زهرا

چکیده مقاله:

مدیریت موفق منابع آب نیازمند رویکردهای جهت دار، جامع و سیستماتیک می باشد تا بتواند با وجود روند تشدید مشکلات مربوط به آب و افزایش رو به رشد تقاضای آن، نیاز مصرف کنندگان را برطرف سازد. در این راستا بهره گیری از شیوه های نوین مدلسازی منابع آب از اهمیت ویژه ای برخوردار است. از طرفی، پیشرفتهایی که در زمینه روشهای پردازش اطلاعات صورت پذیرفته، روشهای داده- محور را نسبت به روشهای رفتار- محور (روشهای فیزیکی) افزایش داده است. ماشین بردار پشتیبان روشی است که در آن نقاط قوت روش های آماری سنتی که بیشتر تئوری محور می باشند و از نظر تجزیه و تحلیل ساده هستند، ترکیب می گردد. در سال های اخیر در حوزه های هیدرولوژی و مدیریت منابع آب و پیش بینی سری های زمانی از رویکرد SVM استفاده های زیادی شده است. در این پژوهش با استفاده از مدل بردار پشتیبان سری های زمانی و اطلاعات یک دوره 18 ساله از سال 1368 تا 1386 از رودخانه قره سو جهت تولید جریان مصنوعی، مورد استفاده قرار گرفت. در نهایت با نتایج حاصل از نرم افزار STATISTICA مقایسه، که نتایج خروجی روش ماشین بردار پشتیبان نشان داد که توانایی بهتر و بالاتری نسبت به نرمافزار آماری STATISTICA دارا می باشد.

کلیدواژه‌ها:

مدیریت منابع آب، پیش بینی دبی ، ماشین بردار پشتیبان SVM ، نرم افزار آمار STATISTICA ، رودخانه قره سو

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IHC10-IHC10_260.html
کد COI مقاله: IHC10_260

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محرم پور, مهدی؛ عبدالحمید محرابی؛ محیا کاتوزی و امین خدابنده شهرکی، ۱۳۹۰، مقایسه دو روش ماشین بردار پشتیبان SVM و نرم افزار Statistica برای پیش بینی دبی روزانه، دهمین کنفرانس هیدرولیک ایران، رشت، انجمن هیدرولیک ایران، دانشگاه گیلان، https://www.civilica.com/Paper-IHC10-IHC10_260.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (محرم پور, مهدی؛ عبدالحمید محرابی؛ محیا کاتوزی و امین خدابنده شهرکی، ۱۳۹۰)
برای بار دوم به بعد: (محرم پور؛ محرابی؛ کاتوزی و خدابنده شهرکی، ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • کی، ب، ۱۳۸۷، کاربرد ماشین بردار پشتیبان در مدیریت منابع ...
  • Asefa, T., Kemblowski, M., and Khalil, A. , "Multi-Time scale ...
  • Asefa, T., Kemblowski M.W., Urroz, G., McKee, M. and Khalil, ...
  • Asefa, T., Kemblowski M., Urroz G., McKee M. and Khalil ...
  • Dibike, Y.B., Velickov S., Solomatine, D.P., and Abbott, M.B., "Model ...
  • Lin, J-Y., Cheng, C-T., Chau, K-W., "Using support vector machines ...
  • Wegman, E. J. and Hayes, A. R. (1988) "Statistical software, ...
  • Chambers, J. M. and Hastie, T. K., (eds.) (1992) Statistical ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۴۶۰
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.