آمار
| تعداد نشریات | 23 |
| تعداد شماره‌ها | 368 |
| تعداد مقالات | 2,890 |
| تعداد مشاهده مقاله | 2,566,168 |
| تعداد دریافت فایل اصل مقاله | 1,821,828 |
برآورد بارش با استفاده از روش ترکیبی ماشین بردار پشتیبان- الگوریتم تبرید (مطالعه موردی: ایستگاه سینوپتیک گرگان) | ||
| فناوری های پیشرفته در بهره وری آب | ||
| مقاله 2، دوره 2، شماره 3، مهر 1401، صفحه 15-35 اصل مقاله (1.6 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22126/atwe.2022.8393.1028 | ||
| نویسندگان | ||
| سعید آزادی1؛ مریم وفایی2؛ حامد نوذری* 3 | ||
| 1دانش آموخته دکتری مهندسی منابع آب ، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران. | ||
| 2دانش آموخته دکتری مهندسی منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران. | ||
| 3دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران. | ||
| چکیده | ||
| بارندگی یکی از اجزای اساسی چرخه آب می‌باشد و به عنوان یکی از مهمترین مولفه‌های ورودی چرخه هیدورلوژیکی به شمار می‌رود. در تحقیق حاضر دقت الگوریتم هیبریدی شبیه‌سازی تبرید بر پایه ماشین‌بردار پشتیبان (SVM-SA) در شبیه‌سازی تغییرات بارندگی مورد ارزیابی قرار گرفت. به منظور واسنجی و صحت‌سنجی نتایج از آمار و اطلاعات بارندگی ایستگاه سینوپتیک گرگان طی دوره 40 ساله 1971 تا 2010 استفاده شد. در روند تحقیق ابتدا پارامتر‌های هواشناسی مؤثر بر مقدار بارندگی تعیین شد. سپس به منظور انتخاب پارامتر‌های ورودی به الگوریتم مورد نظر، با استفاده از نرم‌افزار SPSS مقدار ضریب همبستگی پیرسون بین پارامتر‌های هواشناسی در سطح معنی‌داری 99 اعمال گردید. نتایج ضریب همبستگی پیرسون نشان داد که از هشت پارامتر مورد نظر، پارامتر‌های ابرناکی، میانگین دمای حداکثر، فشار بخار آب، رطوبت نسبی حداکثر و نقطه شبنم بیشترین همبستگی معنی‌دار در سطح 99 درصد را با بارندگی دارند. بنابراین به‌عنوان پارامتر‌های ورودی برای پیش‌بینی پارامتر بارندگی در الگوریتم SVM-SA در نظر گرفته شد. بر اساس نتایج، با استفاده از 5 پارامتر هواشناسی مذکور، مقدار شاخص‌های RMSE، SE و R2 در بخش آموزش به ترتیب برابر با 6.02 میلی‌متر، 0.01 و 0.999 و در بخش آزمون مقدار این شاخص‌ها به‌ترتیب 18.72 میلی‌متر، 0.03 و 0.925 محاسبه گردید. نتایج نشان داد که روش ترکیبی SVM-SA می‌تواند در شبیه‌سازی تغییرات بارندگی در منطقه مورد مطالعه از دقت بالایی برخوردار باشد و این مدل را به عنوان الگوریتم هیبریدی جدید در حوزه علوم مهندسی می‌توان معرفی کرد. | ||
| کلیدواژه‌ها | ||
| بارش؛ شبیه‌سازی؛ ماشین بردار پشتیبان؛ هوش مصنوعی؛ هیبریدی شبیه‌سازی تبرید | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 373 تعداد دریافت فایل اصل مقاله: 222 |
||