این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی آبیاری و آب ایران، جلد ۵، شماره ۴، صفحات ۶۵-۸۵
عنوان فارسی مقایسه و ارزیابی مدل‌های شبکه عصبی بیزین، برنامه‌ریزی بیان ژن، ماشین بردار پشتیبان و رگرسیون خطی در تخمین بده جریان؛ مطالعه موردی حوضه صوفی چای
چکیده فارسی مقاله پیش‌بینی جریان رودخانه برای برنامه‌ریزی طراحی و مدیریت مطمئن پروژه های منابع آب مهم است. در این پژوهش قابلیت کاربرد شبکه عصبی بیزین، برنامه‌ریزی ژن، ماشین بردار پشتیبان و رگرسیون خطی چندمتغیره برای پیش‌بینی سری زمانی جریان رودخانه صوفی چای بررسی شد. سری زمانی جریان روزانه رودخانه برای دوره 1376 تا 1389 برای ایستگاه هیدرومتری تازه کند رودخانه صوفی چای مورد استفاده واقع شد. جهت بدست آوردن بهترین نگاشت ورودی و خروجی؛ ترکیبات مختلف ورودی با استفاده از داده‌های پیشین جریان روزانه رودخانه محاسبه شد. کارایی مدل‌ها با استفاده از چهار معیار خطای: ضریب همبستگی (CC)، ریشه جذر میانگین خطا (RMSE ( و ضریب نش ساتکلیف و بایاس محاسبه شد. مقایسه مدل‌ها نشان داد که شبکه عصبی بیزین با ضریب همبستگی (991/0)، جذر میانگین مربعات خطا (m3/s031/0)، نش ساتکلیف (981/0) و مقدار بایاس (006/0-) بهترین تخمین را از داده‌های روزانه جریان رودخانه نسبت به مدل‌های برنامه‌ریزی بیان ژن، ماشین بردار پشتیبان و رگرسیون خطی چندمتغیره داشته است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparison and Evalution of Bayesian Neural Network, Gene expression programming, Support Vector Machine and Multiple Linear Regression in River Discharge Estimation (Case Study: Sufi Chay Basin)
چکیده انگلیسی مقاله Prediction of river dischargeis importance for reliable planning, design and management of water resources projects. This study investigates the applicability of Bayesian Neural Network (BNN), Gene-Expression Programming (GEP), Support Vector Machine (SVM), and Multi linear Regression (MLR) for prediction of river dischargetime series in the Soufichay river, Iran. Daily river dischargetime series for period of 1997 to 2010 of Tazehkand hydrometric station from Soufichay river was used. To obtain the best input–output mapping, different input combinations of antecedent daily river dischargewere evaluated. The performance of the models were evaluated through the four performance criteria: Correlation Coefficient (CC), Root Mean Square Error (RMSE), the Nash–Sutcliffe efficiency coefficient (N-S) and Bias criteria. A comparison of models indicates that BNN with CC (0.991), RMSE (0.031m3/s), N-S (0.981) and Bias(-0.006) predicted better than GEP, SVM, and MLR models for daily river dischargetime series
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله رضا دهقانی |
مهندسی منابع آب- دانشگاه تبریز

محمد علی قربانی |
دانشیار، گروه مهندسی آب، دانشگاه تبریز

محمد تشنه لب |
استاد گروه مهندسی برق – کنترل، دانشگاه خواجه نصیرالدین طوسی،

امیر ریخته گر غیاثی |
استادیار، گروه مهندسی برق - کنترل، دانشگاه تبریز، ایران

اسماعیل اسدی |
استادیار، گروه مهندسی آب، دانشگاه تبریز، ایران

نشانی اینترنتی http://www.waterjournal.ir/article_73794_d948057a6329afecface179a5fd5beaa.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1222/article-1222-956583.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