این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Engineering، جلد ۲۹، شماره ۱۱، صفحات ۱۴۹۹-۱۵۰۶
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Comparative Study of Extreme Learning Machines and Support Vector Machines in Prediction of Sediment Transport in Open Channels
چکیده انگلیسی مقاله The limiting velocity in open channels to prevent long-term sedimentation is predicted in this paper using a powerful soft computing technique known as Extreme Learning Machines (ELM). The ELM is a single Layer Feed-forward Neural Network (SLFNN) with a high level of training speed. The dimensionless parameter of limiting velocity which is known as the densimetric Froude number (Fr) is predicted using ELM and the results are compared to those obtained using a Support Vector Machines (SVM). The comparison of the ELM and SVM methods indicates a good performance for both methods in the prediction of Fr. In addition to being computationally faster, the ELM method has a higher level of accuracy (R2=0.99, MAE=0.10; MAPE=2.34; RMSE=0.14; CRM=0.02) compared with the SVM approach.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله Hossein Bonakdari |
Civil Engieering, Razi University

Isa Ebtehaj |
Civil Engieering, Razi University

نشانی اینترنتی http://www.ije.ir/article_72820_f94f2a0d3a84471bb90369eedfd02048.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/409/article-409-2062201.pdf
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات