بهره گیری از روش های رگرسیون بردار پشتیبان و شبکه عصبی مصنوعی در مدلسازی بارش رواناب (مطالعه موردی: حوضه آبریز سد صفارود)
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 13، شماره: 6
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 197
فایل این مقاله در 12 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:
JR_IDJ-13-6_015
تاریخ نمایه سازی: 25 اردیبهشت 1400
چکیده مقاله:
مدلسازی بارش رواناب در اکثر پروژه های مدیریت و برنامه ریزی منابع آب و کنترل سیلاب امری ضروری و پیچیده می باشد. در این تحقیق مدل هایی برای شبیه سازی فرآیند بارش رواناب در زیر حوضه سد صفا رود واقع در حوضه آبریز هلیل رود با استفاده از روش های شبکه عصبی مصنوعی پرسپترون چند لایه (MLP)، شبکه عصبی تابع شعاع مدار (RBF)، رگرسیون ماشین بردار پشتیبان با توابع کرنل خطی (SVR Linear) و پایه شعاعی (SVR RBF) در محیط نرم افزاری IBM SPSS Modeler توسعه داده شده است. بدین منظور از داده های هیدرومتری ایستگاه هنجان و داده های بارش ایستگاه های هنجان، رابر، چشمه عروس و میدان واقع در منطقه مورد مطالعه طی دوره آماری ۱۳۹۴-۱۳۸۵ در مقیاس روزانه استفاده شد. ۷۰ درصد داده ها به عنوان داده های آموزش و ۳۰ درصد آنها به عنوان داده های آزمون مورد استفاده قرار گرفت. پس از محاسبه ضرایب همبستگی جزئی متغیرهای بارش و دبی، شش الگوی مختلف جهت مدلسازی رواناب روزانه ایستگاه هنجان تعیین شد. مقادیر شاخص های آماری متوسط قدر مطلق خطا (MAE)، مجذور میانگین مربعات خطا (RMSE) و ضریب همبستگی (R) در بهترین الگو مرحله آزمون به ترتیب برابر ۰۳۲/۰، ۲۲۹/۰، ۹۶۷/۰ برای مدل SVR Linear ۵ ایستگاه هنجان بدست آمدند. نتایج حاکی از عملکرد مناسب روش های MLP و SVR Linear در مدلسازی بارش رواناب در محدوده مورد مطالعه می باشد.
کلیدواژه ها:
نویسندگان
نازنین نجیب زاده
بخش مهندسی اب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان
کوروش قادری
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه باهنر کرمان، کرمان ، ایران
محمد مهدی احمدی
بخش مهندسی آب دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
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 :