این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
یکشنبه 17 خرداد 1405
پژوهشنامه مدیریت حوزه آبخیز
، جلد ۷، شماره ۱۳، صفحات ۱۰۳-۹۲
عنوان فارسی
مقایسه عملکرد ماشین بردار پشتیبان با سایر مدلهای هوشمند در شبیهسازی فرآیند بارش- رواناب
چکیده فارسی مقاله
شبیهسازی فرآیند بارش- رواناب به عنوان مهمترین گام در مطالعات مهندسی آب و مدیریت منابع آب است. در این تحقیق فرآیند بارش- رواناب ماهانه سیمینهرود در دوره آماری (1390-1377) با استفاده از مدلهای ماشین بردار پشتیبان با توابع کرنل پایه شعاعی، چندجملهای و خطی، مدل شبکه بیزی با الگوریتم یادگیری PC و نیز مدلهای متداول شبکه عصبی مصنوعی و برنامهریزی بیان ژن شبیهسازی شده و نتایج آنها مورد مقایسه قرار گرفته است. از پارامترهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نشساتکلیف برای ارزیابی صحت مدلها استفاده گردید. نتایج گویای عملکرد قابل قبول هر چهار مدل و برتری مدل برنامهریزی بیان ژن با بیشترین ضریب همبستگی (91/0CC=)، کمترین ریشه میانگین مربعات خطا (m3/s 1/3RMSE=) و مقدار ضریب نشساتکلیف 82/0NS= در مرحله صحتسنجی است.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Comparison of the Performance of Support Vector Machine with other Intelligent Techniques to Simulate Rainfall-Runoff Process
چکیده انگلیسی مقاله
Simulation of rainfall-runoff process is a major step in water engineering studies and water resources management. In this study, the rainfall-runoff process of the Siminehroud monthly (1377-1390) were simulated using Support Vector Machines (SVM) with Radial Basis kernel Function, Polynomial and linear Bayesian Network (BN) with a PC Learning Algorithm, also conventional methods such as Artificial Neural Networks (ANNs) and Gene Expression Programming (GEP) were used; finally, the results were compared with each other. Correlation Coefficient (CC), Root Mean Square Error (RMSE) and Nash-Sutcliff coefficient (NS) were used to evaluate the performance of the models. The results indicate the acceptable performance of the models and GEP model shows the highest CC (CC = 0.91), minimum RMSE (RMSE = 1.3 m3/s) and NS = 0.82 in verification stage.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
محمدعلی قربانی | mohammad ali
عاطفه ازانی |
لیلا نقی پور |
نشانی اینترنتی
http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-129&slc_lang=fa&sid=fa
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1495/article-1495-251532.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
تخصصی
نوع مقاله منتشر شده
پژوهشی
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات