جستجو در مقالات منتشر شده


3 نتیجه برای آزمون گاما
ارزیابی کارایی سامانه‌های ماشین بردار پشتیبان و شبکه عصبی مصنوعی در تحلیل منطقه‌ای سیلاب (مطالعه موردی: حوضه آبخیز دریاچه نمک)
ابراهیم شریفی گرمدره، مهدی وفاخواه، سیدسعید اسلامیان،
جلد 23، شماره 1 - ( 3-1398 )
چکیده
تخمین دبی سیلاب با دوره بازگشت مختلف، یکی از مهم‌ترین عوامل لازم برای طراحی و اجرای سازه­های آبی است. از طرفی بسیاری از رودخانه­های موجود در حوضه­های آبخیز ایران فاقد آمار و اطلاعات آب­سنجی کامل و دقیق هستند. در چنین مواردی یکی از راه حل‌های مناسب برای برآورد دبی­های سیلابی با دوره بازگشت مختلف، انجام تحلیل منطقه­ای سیلاب است. در پژوهش حاضر 55 ایستگاه آب­سنجی مورد استفاده قرار گرفتند. برای این‌منظور ابتدا دبی­های حداکثر لحظه­ای ایستگاه­های منتخب در دوره بازگشت­های مختلف با استفاده از نرم­افزار Easy Fit برآورد شد. سپس متغیرهای مؤثر بر دبی­های سیلابی جمع­آوری و متغیرهای ورودی مدل با استفاده از آزمون گاما و به کمک نرم­افزار WinGamma تعیین شدند. درنهایت مدل­سازی داده­ها با استفاده از ماشین بردار پشتیبان، شبکه عصبی مصنوعی و رگرسیون چند متغیره غیرخطی انجام پذیرفت. ارزیابی کمی و کیفی نتایج با استفاده از آماره­های گوناگون از جمله آماره ناش- ساتکلیف نشان داد که روش مدل­سازی ماشین بردار پشتیبان، از بیشترین دقت نسبت به دو روش مدل­سازی دیگر به‌منظور پیش­بینی دبی­های حداکثر لحظه­ای در حوضه آبخیز دریاچه نمک برخوردار است.

مقایسه عملکرد روش‌های هوش مصنوعی ANN و SVM در مدل‌سازی فرایند بارش – رواناب (مطالعه موردی: حوضه آبخیز کارون شمالی)
سیدحسین روشان، کاکا شاهدی، محمود حبیب نژاد روشن، ،
جلد 25، شماره 2 - ( 6-1400 )
چکیده
شبیه‌سازی فرایند بارش- رواناب در حوضه آبخیز از نقطه نظر درک بهتر مسائل هیدرولوژیک، مدیریت منابع آب، مهندسی رودخانه، سازه‌های کنترل سیل و ذخیره سیلاب اهمیت ویژه‌ای دارد. در این تحقیق، به‌منظور شبیه‌سازی فرایند بارش– رواناب از داده‌های بارش و دبی جریان در دوره زمانی 1396-1376 استفاده شد. بعد از کنترل کیفی و صحت داده‌ها، تأخیر بارش و دبی با استفاده از ضرایب خودهمبستگی، خود همبستگی جزئی و همبستگی متقارن در نرم‌افزار R Studio مشخص شد. سپس پارامترهای مؤثر و ترکیب بهینه نیز به‌روش آزمون گاما تعیین و برای اجرای مدل تحت سه سناریوی مختلف در نرم‌افزار MATLAB مورد استفاده قرار گرفتند. نتایج آزمون گاما نشان داد که پارامترهای بارش روز جاری، بارش یک روز قبل، دبی روز قبل و دو روز قبل دارای بیشترین تأثیر در دبی خروجی حوضه هستند. همچنین ترکیب‌های Pt Qt-1 و Pt Pt-1 Qt-1 Qt-2 Qt-3 مناسب‌ترین ترکیب بهینه ورودی برای مدل‌سازی انتخاب شدند. نتایج مدل‌سازی نشان داد که در مدل ماشین بردار پشتیبان تابع کرنل پایه شعاعی (RBF) نسبت به کرنل‌های چندگانه و خطی دارای عملکرد بهتری است. همچنین کارایی مدل شبکه عصبی مصنوعی (ANN) نسبت به مدل ماشین بردار پشتیبان (SVM) با تابع کرنل پایه شعاعی (RBF) بهتر است.

ارزیابی تابع‌های انتقالی رگرسیونی، ماشین بردار پشتیبان و برنامه‌ریزی بیان ژن در پیش‌بینی پارامترهای رطوبتی خاک در دشت ارسباران
فریبرز احمدزاده کلیبر، مهدی فولادی پناه،
جلد 27، شماره 2 - ( 6-1402 )
چکیده
استفاده از تابع‌های انتقالی برای پیش‌بینی پارامترهای رطوبتی خاک به‌عنوان روش‌های علمی و در عین حال اقتصادی مورد تأکید و پژوهش پژوهشگران است. در این پژوهش، ظرفیت زراعی (FC) و نقطه پژمردگی دائم (PWP) خاک با استفاده از سه تابع انتقالی رگرسیونی (خطی و غیرخطی)، مدل ماشین بردار پشتیبان (SVM) و مدل برنامه‌ریزی بیان ژن (GEP) براساس سه شاخص ارزیابی عملکرد ضریب تعیین (R2)، مجذور میانگین مربعات خطا (RMSE) و نسبت اختلاف توسعه یافته (DDR) در دشت ارسباران در شمال غرب ایران شبیه‌سازی شده است. پارامترهای مستقل شامل درصد رس (Cl)، درصد سیلت (Si)، درصد شن (Sa)، درصد مواد آلی (OC)، چگالی ظاهری (ρb) و چگالی حقیقی (ρs) خاک بودند که با استفاده از آزمون گاما، متغیرهای درصد Si، ρb و ρs برای پیش‌بینی پارامتر FC و متغیرهای ρb و ρs برای پیش‌بینی پارامتر PWP انتخاب شدند. نتیجه پژوهش نشان داد هر سه تابع انتقالی قادر به پیش‌بینی FC و PWP هستند اما مدل SVM دارای بهترین عملکرد در میان این سه گروه تابع انتقالی است به‌طوری که مقدار شاخص‌های (R2، RMSE، DDRmax) در فرایندهای آموزش و آزمون برای پارامتر FC به‌ترتیب (0/9908، 0/5517، 17/50) و (0/9785، 0/7004، 11/62) و برای پارامتر PWP به‌ترتیب (0/9872، 0/5764، 2/85) و (0/8389، 1/187، 3/09) به‌دست آمدند.

صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به مجله علوم آب و خاک دانشگاه صنعتی اصفهان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | JWSS - Isfahan University of Technology

Designed & Developed by : Yektaweb