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:

2,777
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1,033
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بررسی کارایی روش های رگرسیون بردار پشتیبان، شبکه عصبی پرسپترون چندلایه و رگرسیون خطی چندمتغیره به منظور پیش بینی تراز سطح آب زیرزمینی (مطالعه موردی: دشت شهرکرد)

صفحات

 صفحه شروع 1 | صفحه پایان 12

چکیده

 تراز سطح آب زیرزمینی عاملی است که امکان قضاوت صحیح در مورد روند تغییرات آبخوان و مدیریت لازم در حوزه آبخیز را ایجاد می کند. در این تحقیق از اطلاعات ماهانه 18 چاه مشاهده ای در دشت شهرکرد طی سال های 1379 تا 1389 به منظور شبیه سازی و پیش بینی سطح آب زیرزمینی با مدل های 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) استفاده شده 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 مدل ها داشته اند. به عنوان 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 مدل ها برتری داشته است. همچنین مقایسه کلی نتایج دو روش SVR, حاکی از برتری تابع کرنل RBF بر حالت خطی بوده است. عملکرد کلی مدل های MLP, SVR-RBF و SVR-Linear برای معیار NS به ترتیب برابر با 0.703, 0.656 و 0.655 و در شاخص RMSE نیز به ترتیب برابر با 0.857, 0.905 و 0.914 متر به دست آمده است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    رمضانی چرمهینه، عبداله، و ذونعمت کرمانی، محمد. (1396). بررسی کارایی روش های رگرسیون بردار پشتیبان, شبکه عصبی پرسپترون چندلایه و رگرسیون خطی چندمتغیره به منظور پیش بینی تراز سطح آب زیرزمینی (مطالعه موردی: دشت شهرکرد). پژوهشنامه مدیریت حوزه آبخیز، 8(15)، 1-12. SID. https://sid.ir/paper/230365/fa

    Vancouver: کپی

    رمضانی چرمهینه عبداله، ذونعمت کرمانی محمد. بررسی کارایی روش های رگرسیون بردار پشتیبان, شبکه عصبی پرسپترون چندلایه و رگرسیون خطی چندمتغیره به منظور پیش بینی تراز سطح آب زیرزمینی (مطالعه موردی: دشت شهرکرد). پژوهشنامه مدیریت حوزه آبخیز[Internet]. 1396؛8(15):1-12. Available from: https://sid.ir/paper/230365/fa

    IEEE: کپی

    عبداله رمضانی چرمهینه، و محمد ذونعمت کرمانی، “بررسی کارایی روش های رگرسیون بردار پشتیبان, شبکه عصبی پرسپترون چندلایه و رگرسیون خطی چندمتغیره به منظور پیش بینی تراز سطح آب زیرزمینی (مطالعه موردی: دشت شهرکرد)،” پژوهشنامه مدیریت حوزه آبخیز، vol. 8، no. 15، pp. 1–12، 1396، [Online]. Available: https://sid.ir/paper/230365/fa

    مقالات مرتبط نشریه ای

    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