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
11 سپتامبر 2024
فایل ورد و پاورپوینت
2120
9 بازدید
۶۹,۷۰۰ تومان
خرید

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.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.