دانش رسان |
مرکز علم و دانش کشور مقاله شبیه سازی خودهمبسته جریان حوضه آبریز زرینه رود با استفاده از روش تجزیه پروکراستس و مدلهای شبکه عصبی مصنوعی و ماشین بردار پشتیبان
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله شبیه سازی خودهمبسته جریان حوضه آبریز زرینه رود با استفاده از روش تجزیه پروکراستس و مدلهای شبکه عصبی مصنوعی و ماشین بردار پشتیبان دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله شبیه سازی خودهمبسته جریان حوضه آبریز زرینه رود با استفاده از روش تجزیه پروکراستس و مدلهای شبکه عصبی مصنوعی و ماشین بردار پشتیبان کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله شبیه سازی خودهمبسته جریان حوضه آبریز زرینه رود با استفاده از روش تجزیه پروکراستس و مدلهای شبکه عصبی مصنوعی و ماشین بردار پشتیبان،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله شبیه سازی خودهمبسته جریان حوضه آبریز زرینه رود با استفاده از روش تجزیه پروکراستس و مدلهای شبکه عصبی مصنوعی و ماشین بردار پشتیبان :
تعداد صفحات :۲۴
پیشبینی جریان رودخانهها در حوضههای آبریز نقش مهمی در بهرهبرداری و مدیریت صحیح منابع آبی دارد. تعیین نوع و تعداد ورودی مدلهای تخمینگر، یکی از مهمترین مراحل در پیشبینی جریان رودخانهها میباشد. بنابراین از روش تجزیه پروکراستس (PA) برای تعیین تعداد ورودیهای موثر استفاده شده است. در این تحقیق پیشبینی جریان با استفاده از دادههای جریان ماهانه ایستگاههای آبسنجی صفاخانه و سنته انجام گرفته است. مدل شبکه عصبی مصنوعی (MLP) و مدل ماشین بردار پشتیبان (SVM) برای پیشبینی جریان مورد استفاده قرار گرفتهاند. بهترین تخمین جریان با استفاده از مدلهای MLP و PA-MLP در ایستگاه آبسنجی صفاخانه بهترتیب با RMSE برابر با (m3/s) 68/5 و (m3/s) 85/4 و CC برابر با ۷۳/۰ و ۷۸/۰ و در ایستگاه آبسنجی سنته بهترتیب با RMSE برابر با (m3/s) 44/6 و (m3/s) 36/6 و CC برابر با ۷۸/۰ و ۷۹/۰ انجام شده است. مدل PA-SVM نیز بهترتیب با RMSE و CC برابر با (m3/s) 45/5 و ۷۳/۰ در دوره صحتسنجی نتایج بهتری را نسبت مدل SVM در تخمین جریان ایستگاه آبسنجی صفاخانه داشته است. همچنین نتایج نشان داد که مدلهای SVM و PA-SVM جریان ایستگاه سنته را با RMSE بهترتیب برابر با (m3/s) 85/6 و (m3/s) 03/7 تخمین زدهاند. در حالت کلی نتایج نشان داد که روش تجزیه پروکراستس میتواند بهعنوان یکی از روش‌های کارآمد و مناسب جهت تعیین تعداد ورودی موثر مورد استفاده قرار گیرد. مقایسه نتایج مدلهای MLP و SVM نیز نشان داد که مدل MLP از دقت بیشتری نسبت به مدل SVM برخوردار است.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
