این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
سامانه سطوح آبگیر باران، جلد ۵، شماره ۳، صفحات ۲۱-۳۰
عنوان فارسی مقایسه عملکرد ماشین بردار پشتیبان و شبکه عصبی مصنوعی در برآورد ارتفاع آب معادل برف در حوضه آذربایجان شرقی
چکیده فارسی مقاله برف و برفاب در حوضه­های کوهستانی و مرتفع عامل مهم و کنترل­کننده رژیم جریان محسوب شده و به عنوان منبع اصلی تأمین آب نقش بسیار مهمی را ایفا می­نماید. به همین دلیل در مناطق کوهستانی هیدرولوژی برف اهمیت و ارزش زیادی دارد. علاوه بر این تخمین، شبیه­سازی و پیش­بینی جریان ناشی از ذوب برف و باران در زمینه­های مختلف دارای اهمیت و کاربرد می‌باشد که از جمله آن تأمین آب شرب، کشاورزی، صنعت و تفرجگاه­ها، تنظیم آب رودخانه­ها، کنترل و هشدار سیل و برآورد سیل طراحی برای حوضه آبریز می‌باشد. در این پژوهش به منظور شبیه­سازی جریان حاصل از ذوب برف در ایستگاه­های بالادره کندوان، پیست اسکی مرند و صندوقلو واقع در استان آذربایجان شرقی از مدل شبکه عصبی MLP و ماشین بردار (SVM) در دوره آماری 92-85 استفاده گردید. از سه معیار عددی به نام­های ضریب همبستگی (CC)، جذر میانگین مربعات خطا (RMSE) و خطای مطلق میانگین (MAE) به منظور ارزیابی دقت استفاده شد. نتایج نشان داد شبکه عصبی دقت بیشتری را نسبت به ماشین بردار دارد. از بین ساختارهای مختلف شبکه عصبی، آرایش 1-6-3 با سه ورودی چگالی برف، طول نمونه برف و عمق برف بیشترین دقت را دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparison of the performance of SVM and ANN to estimate water equivalent of snow height in East Azerbaijan
چکیده انگلیسی مقاله Snow and snowmelt are important factors controlling flow regimes in mountainous basins and provide most of the water. As a result, snow hydrology is of great value in mountainous areas. Estimation, simulation and prediction of flow resulting from rain and snowmelt has applications in provision of drinking and irrigation water, water control in rivers, flood control and flood warning systems, and estimations of flood damage in a basin. In this study, flow resulting from snowmelt was simulated using the MLP neural network and support vector machine (SVM) models for the Baladarreh Kandovan, Marand ski resortand, and Sandoghlu ski resort stations in the East Azerbaijan Province in the 2006-2013 period. The coefficient of correlation, root-mean-square error (RMSE), and mean absolute error (MAE) were used to evaluate accuracy. The results indicate that the neural network model had better accuracy compared to the SVM model. Among the different arrangements of neural networks, the 3-6-1 arrangement with snow density, length of snow sample, and snow depth had the highest accuracy.    
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله بابک محمدی | Babak Mohammadi
University of Tabriz
دانشگاه تبریز

هاجر فیضی | Hajar Faizy
University of Tabriz
دانشگاه تبریز

روزبه موذن زاده | Ruzbeh Moazenzadeh
Shahroud University of Technology
دانشگاه صنعتی شاهرود

نشانی اینترنتی http://jircsa.ir/browse.php?a_code=A-10-413-6&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/903/article-903-858932.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات