کاربرد مدل های SVR و GRNN در تخمین حداکثر عمق فرسایش در شرایط بستر متحرک در تلاقی رودخانه ها
نویسنده:
چکیده:
تلاقی رودخانه ها یکی از پیچیده ترین مکان ها در سیستم رودخانه ها می باشد که درنتیجه آن، پیش بینی حداکثر عمق آبشستگی (Ds) با استفاده از مدل های هوشمند که قادر به لحاظ این پیچیدگی ها می باشند امری مهم و ضروری می باشد. بنابراین در تحقیق حاضر، عملکرد دو مدل هوش مصنوعی به نام های SVR(با لحاظ روش های اعتبارسنجی مختلف، شامل train-test، K-Fold و leave-one-out) و GRNN مورد بررسی قرار گرفته است. نتایج حاصل نشان دادند که اگرچه تمام مدل ها در پیش بینی Ds دقت تقریبا خوبی دارند؛ اما مدل SVR با روش اعتبارسنجی train-test دقت بالاتری را نشان می دهد (به ترتیب با R2، MAE، MARE، RMSE و NSE برابر با 66/95، 0124/0 ، 26/4، 0168/0 و 993/0)، و بعد از آن به ترتیب مدل های SVR leave-one-out، SVR K-Fold (در K=9) و مدل GRNN را می توان به عنوان دقیق ترین مدل ها در این تحقیق پیشنهاد نمود.
کلیدواژگان:
زبان:
فارسی
صفحات:
79 تا 92
لینک کوتاه:
magiran.com/p1710143
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!