استفاده از روش جی ترینگ داده ها در مدل سازی تراوش سد خاکی با استفاده از ترکیب مدل های هوش مصنوعی
اخیرا مدل های هوش مصنوعی مثل شبکه عصبی مصنوعی پیشرو و رگرسیون بردار پشتیبان قابلیت بالایی در مدل سازی سری های زمانی غیرخطی هیدرولیکی نشان داده اند. مدل های هوش مصنوعی روش هایی موثر برای بررسی و مدل سازی مقادیر زیادی از داده های دینامیک، غیرخطی و دارای خطا ارایه می دهند. از اینرو در این مقاله مسئله تراوش سد خاکی ستارخان با استفاده از دو مدل جعبه سیاه هوش مصنوعی شبکه عصبی مصنوعی پیشرو و رگرسیون بردار پشتیبان، بر اساس دو سناریو با ترکیب ورودی های مختلف مورد بررسی قرار گرفته و سپس به عنوان یک روش پیش پردازش برای بهبود عملکرد مدل، سری های نوفه با توزیع نرمال، میانگین صفر وانحراف معیارهای مختلف تولید شده و با افزودن آنها به داده های اصلی و تشکیل مجموعه های آموزشی مختلف، شبیه سازی تراوش با استفاده از مدل های هوش مصنوعی انجام شد. در ادامه به عنوان روشی دیگر برای بهبود عملکرد مدل، روش پس پردازش ترکیب مدل با استفاده از خروجی مدل های منفرد به کار گرفته شد. روش ترکیب مدل با استفاده از روش میانگین گیری غیرخطی با استفاده از شبکه عصبی مصنوعی انجام گرفت. نتایج حاکی از آن است که به کار گیری هم زمان هر دو روش جی ترینگ داده ها و ترکیب مدل، باعث بهبود دقت مدل تا 32% در مرحله صحت سنجی می شود.
پرداخت حق اشتراک به معنای پذیرش "شرایط خدمات" پایگاه مگیران از سوی شماست.
اگر عضو مگیران هستید:
اگر مقاله ای از شما در مگیران نمایه شده، برای استفاده از اعتبار اهدایی سامانه نویسندگان با ایمیل منتشرشده ثبت نام کنید. ثبت نام
- 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.