مقایسه عملکرد ماشین بردار پشتیبان با سایر مدل های هوشمند در شبیه سازی فرآیند بارش- رواناب

اسناد مشابه

• مقایسه عملکرد ماشین بردار پشتیبان با سایر مدل‌های هوشمند در شبیه‌سازی فرآیند بارش- رواناب

  مقاله۲۰۱۶پژوهشنامه مدیریت حوزه آبخیزمحمدعلی قربانی، عاطفه ازانی، لیلا نقی پور

  شبیهسازی فرآیند بارش- رواناب به عنوان مهمترین گام در مطالعات مهندسی آب و مدیریت منابع آب است. در این تحقیق فرآیند بارش- رواناب ماهانه سیمینهرود در دوره آماری (1390-1377) با استفاده از مدلهای ماشین بردار پشتیبان با توابع کرنل پایه شعاعی، چندجملهای و خطی، مدل شبکه بیزی با الگوریتم

• مقایسه عملکرد ماشین بردار پشتیبان و شبکه عصبی مصنوعی در برآورد ارتفاع آب معادل برف در حوضه آذربایجان شرقی

  مقاله۲۰۱۷سامانه سطوح آبگیر بارانبابک محمدی، هاجر فیضی، روزبه موذن زاده

  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 ج

• مقایسه عملکرد شبکه عصبی مصنوعی، ماشین بردار پشتیبان و مدل شیءگرا در پایش تغییرات سطح پوشش برف با استفاده از تصاویر چند زمانه لندست (مطالعه موردی: کوهستان الوند)

  مقاله۲۰۲۰پژوهش های اقلیم شناسیمصطفی موسی پور، بختیار فیضی زاده، سید اکبر حسینی، حسن کرچی

  پوشش برف و تغییرات زمانی آن، از پارامترهای اساسی در بررسیهای هیدرولوژیکی و اقلیم شناسی میباشند. امروزه با استفاده از تصاویر ماهوارهای میتوان به ارزیابی تغییرات سطح پوشش برف در سریهای زمانی مختلف پرداخت. پژوهش حاضر با هدف پایش تغییرات سطح پوشش برف در کوهستان الوند همدان با استفاده

• کاهش خطای شبیه سازی فرآیند بارش-رواناب با بکارگیری تکنیک داده گواری در مدل هیدرولوژیکی SWAT

  مقاله۲۰۱۹تحقیقات منابع آب ایرانمیلاد مهرپرور، کیوان اصغری، محمد حسبن گل محمدی

  مدلسازی فرآیند بارش-رواناب با انبوهی از پارامترها و داده های اقلیمی همراه است که ارائه یک مدل شبیه ساز مناسب با حداقل خطا از چالش های مطالعات گذشته بوده است. عدم اطمینان و قطعیت بر صحت داده ها و پارامترهای ورودی مدل های شبیه سازی منجر به تولید خطا می شود که تاثیر قابل توجهی بر پی

• شبیه سازی فرآیند بارش رواناب در حوزه آبخیز ناورود با مدل ولترای مرتبه محدود و شبکه های عصبی مصنوعی

  مقالهپژوهشنامه مدیریت حوزه آبخیزمهسا حسنپور کاشانی، محمدعلی قربانی، یعقوب دین پژوه، شهمراد

  در این تحقیق، مدل­سازی فرآیند غیرخطی بارش- رواناب با استفاده از مدل خطی ولترا انجام می­شود. بدین منظور، داده­های بارش و رواناب همزمان مربوط به پانزده رویداد از حوزه آبخیز ناورود واقع در شمال کشور جمع­آوری گردیده و به­ترتیب 70 % و 30 % رویدادها برای آموزش و تست مدل بکار برده شدند.

• شبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)

  مقاله۲۰۱۳آبخیزداری ایراندرواری, زهرا، غلامی, وحید

  برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی