|
|
پژوهشنامه مدیریت حوزه آبخیز، جلد ۸، شماره ۱۵، صفحات ۱-۱۲
|
|
|
| عنوان فارسی |
بررسی کارایی روش‌های رگرسیون بردار پشتیبان، شبکه عصبی پرسپترون چندلایه و رگرسیون خطی چندمتغیره به منظور پیش‌بینی تراز سطح آب زیرزمینی (مطالعه موردی: دشت شهرکرد) |
|
| چکیده فارسی مقاله |
تراز سطح آب زیرزمینی عاملی است که امکان قضاوت صحیح در مورد روند تغییرات آبخوان و مدیریت لازم در حوزه آبخیز را ایجاد می‌کند. در این تحقیق از اطلاعات ماهانه 18 چاه مشاهده‌ای در دشت شهرکرد طی سال‌های 1379 تا 1389 به منظور شبیه‌سازی و پیش‌بینی سطح آب زیرزمینی با مدل‌های رگرسیون خطی چند متغیره (MLR)، شبکه عصبی پرسپترون چند لایه (MLP) و دو مدل رگرسیونی ماشین بردار پشتیبان (SVR) با توابع کرنل پایه شعاعی (RBF) و خطی (Linear) استفاده‌شده است. با توجه به معیارهای خطای ضریب راندمان (NS) و ریشه میانگین مربعات خطا (RMSE)، مدل MLP در 56 درصد و مدل SVR نیز در 44 درصد موارد عملکرد بهتری نسبت به نتایج کل سایر مدل‌ها داشته‌اند. به‌عنوان نمونه در چاه شماره 1 (بخش مرکزی دشت)، مدل SVR-RBF با ترکیب ورودی پارامترهای متشکل از تراز سطح آب زیرزمینی، دما، تبخیر و بارش بر سایر مدل‌ها برتری داشته است. همچنین مقایسه کلی نتایج دو روش SVR، حاکی از برتری تابع کرنل RBF بر حالت خطی بوده است. عملکرد کلی مدل‌های MLP، SVR-RBF و SVR-Linear برای معیار NS به ترتیب برابر با 703/0، 656/0 و 655/0 و در شاخص RMSE نیز به ترتیب برابر با 857/0، 905/0 و 914/0 متر به دست آمده است. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Evaluation of the Efficiency of Support Vector Regression, Multi-Layer Perceptron Neural Network and Multivariate Linear Regression on Groundwater Level Prediction (Case Study: Shahrekord Plain) |
|
| چکیده انگلیسی مقاله |
Accurate and reliable simulation and prediction of the groundwater level variation is significant and essential in water resources management of a basin. Models such as ANNs and Support Vector Regression (SVR) have proved to be effective in modeling nonlinear function with a greater degree of accuracy. In this respect, an attempt is made to predict monthly groundwater level fluctuations using Multivariate Linear Regression, Multi-Layer Perceptron neural network models and two SVRs with RBF and linear function. In the present study, monthly data (from 2000 to 2010) of 18 observational wells in Shahrekord Plain were used for simulating and predicting the groundwater level. Regarding to NS efficiency and RMSE criteria, MLP model in 56% and SVR in 44%, have the best performance in comparison with other models. For an instance, in well No. 1, SVR-RBF using input parameters of groundwater level, temperature, evaporation and precipitation is superior to other models. General efficiency of MLP, SVR-RBF, and SVR-Linear for NS criteria is 0.703, 0.656 and 0.655, respectively; and for RMSE criteria is 0.857, 0.905 and 0.914 meter, respectively. Results indicate that MLP and SVR models give better accuracy in predicting groundwater levels in the study area when compared to the linear model. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
عبداله رمضانی چرمهینه | ramezani charmahineh
محمد ذونعمت کرمانی |
|
|
| نشانی اینترنتی |
http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-173&slc_lang=fa&sid=fa |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1495/article-1495-438336.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
|