این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی آبیاری و آب ایران، جلد ۹، شماره ۴، صفحات ۱-۱۳
عنوان فارسی ارزیابی توانایی یک روش آموزش ماشین در تخمین حداکثر دبی سیلاب ناشی از شکست سد
چکیده فارسی مقاله در این مقاله توانایی روش آموزش ماشین Support Vector Machine (SVM) در پیش بینی حداکثر دبی خروجی سیلاب ناشی از شکست سدهای خاکی بررسی  شده است. پارامترهای ورودی مدل مورد نظر، دو پارامتر مخزن در زمان شکست یعنی ارتفاع آب و حجم آب پشت سد انتخاب شد که برای آموزش این مدل‌ها از داده‌های جمع آوری شده در منابع مختلف استفاده شده است. از مجموع 112 داده، 70 درصد آن جهت آموزش مدل‌ها و 30 درصد آن جهت صحت‌سنجی، به نحوی‌که این دو زیرمجموعه از لحاظ آماری اختلاف معنی داری نداشته باشند، انتخاب شد.  بعد از بررسی چهار مدل SVM، مشخص شد که استفاده از کرنل تابع پایه شعاعی بهترین نتیجه را در تخمین این پدیده حاصل می‌دهد (نتایج آماری این روش در تخمین پدیده مورد نظر با 96/0=R2، 03/0=RMSE و 94/0=R2 و 05/0=RMSE به ترتیب در فاز آموزش و آزمون). مقایسه‌ای نیز بین 6 رابطه تجربی کلاسیک و مدل توصیه شده صورت گرفت که نتایج نشانگر عملکرد ضعیف روابط تجربی در مقایسه با مدل‌ پیشنهادی است. در نهایت با توجه به اهمیت مدیریت هنگام شکست سد استفاده از روش آموزش ماشین پیشنهادی برای تخمین مقدار ماکسیمم دبی خروجی از سد پیشنهاد می‌شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Evaluation of PredictivePotential of a learning Machine Method on Peak Outflow Due to Embankment Dam Failure
چکیده انگلیسی مقاله In this study, the potential of Support Vector Machine (SVM (in the prediction of peak outflow due to dam failure was evaluated. Huge volume deposited behind dam may cause a large casualty in case of sudden release of it to downstream. Head and volume of water at the time of failure were considered as inputs to SVM model. To train these models, 70% of 112 gathered data from literature was used as training subset and the rest 30% was used to test the model as test subset, at the same time these two subsets were selected in a way to be statistically similar. After studying four SVM models with different kernel functions, i.e. Linear, Polynomial, Radial Basis Function and Sigmoid, it was found that SVM with Radial Basis Kernel function outperforms other models. Results of the statistical evaluation of the proposed model are satisfying with R2=0.96, RMSE=0.03 for training phase and R2=0.94, RMSE=0.05 for the test phase. A comparison was made between some conventional empirical equations and the proposed model in which results shows proposed SVM model surpasses empirical equations in predicting peak outflow due to embankment dam failure.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حامد فرهادی |
دانشجوی دکتری سازه‌های آبی، گروه علوم و مهندسی آب دانشگاه فردوسی مشهد، ایران

کاظم اسماعیلی |
گروه علوم و مهندسی آب دانشگاه فردوسی مشهد، ایران.

نشانی اینترنتی http://www.waterjournal.ir/article_90241_6b2b042dd30a89cd88ff433ea64ba2a4.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1222/article-1222-1695710.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات