دوره 9، شماره 17 - ( بهار و تابستان 1397 )                   جلد 9 شماره 17 صفحات 57-66 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

akhoni pourhosseini F, darbandi S. Sofichay River Runoff Modeling using Support Vector Machine and Artificial Neural Network. jwmr. 2018; 9 (17) :57-66
URL: http://jwmr.sanru.ac.ir/article-1-610-fa.html
آخونی پورحسینی فاطمه، دربندی صابره. مدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی . پ‍‍ژوهشنامه مديريت حوزه آبخيز. 1397; 9 (17) :57-66

URL: http://jwmr.sanru.ac.ir/article-1-610-fa.html


چکیده:   (31 مشاهده)

    شبیه­ سازی دقیق فرآیند رواناب می­تواند نقش بسزایی در مدیریت منابع آب و مسائل مربوطه داشته باشد. پیچیدگی ذاتی این فرآیند استفاده از مدل­های فیزیکی و عددی را مشکل می­نماید. در سال­های اخیر کاربرد مدل­های هوشمند به­عنوان ابزاری توانمند در علم هیدرولوژی افزایش‌یافته است. هدف این مطالعه کاربرد آزمون گاما برای انتخاب ترکیب بهینه متغیرهای ورودی در مدل‌سازی رودخانه صوفی چای می‌باشد. مدل‌سازی جریان آب رودخانه با استفاده از تعداد نقاط بهینه متغیرهای منتخب با روش‌های شبکه عصبی مصنوعی و ماشین بردار پشتیبان می‌باشد. نتایج آزمون گاما نشان داد که رواناب رودخانه با شش تأخیر زمانی، نتایج بهتری به‌منظور پیش‌بینی ارائه می‌دهد. شبیه‌سازی رواناب با استفاده از دو مدل  ماشین بردار پشتیبان و شبکه عصبی مصنوعی نشان داد که بهترین ساختار ورودی برای پیش‌بینی رواناب ماه بعد، تا شش تأخیر خواهد بود. از میان دو مدل با ساختار ورودی یکسان، مدل ماشین بردار پشتیبان کارایی نسبتاً بالایی نسبت به شبکه عصبی مصنوعی داشته است.
 

متن کامل [PDF 4525 kb]   (16 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۵/۲/۲ | پذیرش: ۱۳۹۵/۶/۱۴ | انتشار: ۱۳۹۷/۷/۴

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2018 All Rights Reserved | Journal of Watershed Management Research

Designed & Developed by : Yektaweb