مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

76
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

9
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی عملکرد روش های مدل سازی گروهی در شبیه سازی نیاز آبی زعفران

صفحات

 صفحه شروع 163 | صفحه پایان 182

چکیده

 مدل سازی گروهی به عنوان یک مقوله نوظهور در بسیاری از رشته های مهندسی به خصوص زمینه های مختلف مهندسی آب در حال گسترش است. تخمین دقیق نیاز آبی زعفران به عنوان محصول راهبردی شرق کشور یکی از مهم ترین اقدامات تأثیرگذار در برنامه ریزی منابع آب منطقه خواهد بود. از این رو, این پژوهش اقدام به بررسی عملکرد مدل سازی گروهی در بهبود مدل سازی نیاز آبی زعفران در منطقه بیرجندِ استان خراسان جنوبی کرد. داده های واقعی نیاز آبی زعفران در سال دوم کشت در گام نخست در محل آزمایشگاه لایسی متری دانشگاه بیرجند جمع آوری شد. مدل سازی نیاز آبی زعفران با استفاده از داده های اقلیمی و نیاز آبی زعفران در بستر ماشین یادگیری درخت تصمیم انجام شد. همچنین, از دو روش Boosting و Bagging جهت ارتقای نتایج مدل درخت تصمیم استفاده شد. به منظور کمی کردن اثر مدل سازی گروهی آزمون های مقایسه ای متعددی نظیر شاخص های ارزیابی (RMSE و MAE), مقایسه توزیع پراکنش داده ها (تحلیل وایولین Violin assessment), ارزیابی کم/بیش تخمینی, مقایسه سری زمانی و تحلیل بهبود خطا استفاده شد. نتایج نشان داد که علی رغم دقت و کارایی نسبی مدل درخت تصمیم در شبیه سازی نیاز آبی زعفران, امکان بهبود نتایج همچنان وجود دارد. همچنین, نتایج اثبات کرد که مدل سازی گروهی ظرفیت بالقوه ی خوبی در زمینه ارتقای نتایج دارد. به طوری که یادگیری گروهی بانظارت (Boosting) دقت مدل درخت تصمیم را بیش از 30 درصد بهبود بخشید (کاهش قدر مطلق خطا از 36 میلی متر به 65/23 میلی متر) و این موضوع عامل کاهش RMSE را از 44/0 میلی متر به 07/0 میلی متر شد. علاوه بر این, نتایج آزمون های مقایسه ای تأیید کرد که خروجی تولید شده توسط روش Boosting از کیفیت بسیار بهتری نسبت به خروجی مدل درخت تصمیم و روش Bagging برخوردار است.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button