بررسی کارایی روش های شبکه عصبی و SVM در شبیه سازی تغییر اقلیم

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 524

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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RCCC06_168

تاریخ نمایه سازی: 28 اسفند 1398

چکیده مقاله:

یکی از بزرگ ترین چالش های محیطزیست بحث تغییر اقلیم می باشد؛ که پیامد تغییرات آب و هوایی در سطح جهانی است. برای بررسی پدیده های دخیل در تغییر اقلیم مدل های اقلیمی مختلفی وجود دارد. یکی از جامع ترین این روش ها استفاده از مدل گردش عمومی جو GCM می باشد. از مشکلات عمده استفاده از مدل گردش عمومی جوبزرگ مقیاس بودن متغیرهای شبیه سازی می باشد. جهت تبدیل داده های شبیه سازی در مقیاس جهانی به مقیاس منطقه ای و مناسب باید از ریزمقیاس نمایی استفاده نمود؛ که شامل دو روش دینامیکی و آماری می باشد. روش آماری کاربرد بیشتری نسبت به روش دینامیکی در تحقیقات مختلف دارد. در پژوهش حاضر به مقایسه کارایی شبکه عصبیمصنوعی و ماشین بردار پشتیبان SVM تحت عنوان روش های ریزمقیاس نمایی آماری پرداخته شده است و مزایا و معایب هر کدام از روش های مذکور ذکر گردیده است. نتایج حاصل از این پژوهش نشان داد روش ماشین بردار پشتیبان نسبت به شبکه عصبی مصنوعی دارای برتری نسبی می باشد و کارایی بهتری دارد .

نویسندگان

نگار عین اله زاده

دانشجوی کارشناسی ارشد مهندسی عمران مهندسی و مدیریت منابع آب، دانشکده فنی مهندسی، دانشگاه محقق اردبیلی

اتابک فیضی

استادیار گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه محقق اردبیلی

فرناز دانشوروثوقی

استادیار گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد اردبیل

سید سعید راثی نظام

استادیار گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه محقق اردبیلی