مقایسه مدل های ماشین بردار و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود
در این پژوهش عملکرد روش های ماشین بردار پشتیبان و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود مقایسه شده است. برای این منظور پارامترهای نسبت جذب سدیم و یون کلر به عنوان شاخص های کیفیت آب در مصارف کشاورزی در نظر گرفته شد. از داده های اندازه گیری شده یون سدیم، کلسیم، منیزیم، pH، EC و دبی...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | article |
| Lenguaje: | FA |
| Publicado: |
University of Tehran, College of Aburaihan
2021
|
| Materias: | |
| Acceso en línea: | https://doaj.org/article/61df6a22860a4aa2a256451914e99c76 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| id |
oai:doaj.org-article:61df6a22860a4aa2a256451914e99c76 |
|---|---|
| record_format |
dspace |
| spelling |
oai:doaj.org-article:61df6a22860a4aa2a256451914e99c762021-11-12T06:23:19Zمقایسه مدل های ماشین بردار و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود2251-62982382-993110.22059/jwim.2021.323839.871https://doaj.org/article/61df6a22860a4aa2a256451914e99c762021-10-01T00:00:00Zhttps://jwim.ut.ac.ir/article_82804_e9c64195655f118b9710caf989405dea.pdfhttps://doaj.org/toc/2251-6298https://doaj.org/toc/2382-9931در این پژوهش عملکرد روش های ماشین بردار پشتیبان و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود مقایسه شده است. برای این منظور پارامترهای نسبت جذب سدیم و یون کلر به عنوان شاخص های کیفیت آب در مصارف کشاورزی در نظر گرفته شد. از داده های اندازه گیری شده یون سدیم، کلسیم، منیزیم، pH، EC و دبی جریان به عنوان ورودی مدل ها طی یک دوره آماری 12ساله (1393- 1382) در مقیاس ماهانه استفاده شد. ارزیابی نتایج بر اساس معیارهای ضریب همبستگی، جذر میانگین مربعات خطا و میانگین خطای مطلق انجام شد. نتایج دوره صحت سنجی در 4 ایستگاه پل-بوکان، داشبند بوکان، قزل‌گنبد و کاولان نشان داد که مدل ماشین بردار پشتیبان در مقایسه با شبکه عصبی تابع پایه شعاعی، دارای ضریب همبستگی بهتر(71.SVM: 0 تا 0.94، RBF: 0.3 تا 0.5)، ریشه میانگین مربعات خطای کمتر (SVM: 0.028 تا 0.075 mg/l، RBF: 0.0672 تا 0.317 mg/l)، خطای میانگین مطلق کمتر (SVM: 0.003 تا 0.033 و mg/l، RBF: 0.087 تا 0.19 mg/l) برای پارامتر یون کلر و با همان ترتیب مقادیر SVM: 0.63 تا 0.88 و RBF: 0.21 تا 0.38، SVM: 0.0013 تا 0.082 mg/l و RBF: 0.0147 تا 0/025 و mg/l، SVM: 0.0085 تا 0.046 mg/l و RBF: 0.0653 تا 0.0996 mg/l برای نسبت جذب سدیم است. لذا بر اساس نتایج مدل ماشین بردار پشتیبان نسبت به مدل شبکه عصبی تابع پایه شعاعی از دقت و عملکرد بهتری برای پیش بینی پارامترهای کیفیت آب رودخانه سیمینه رود برخوردار است.بهاره حسین پناهیسامان نیک مهرکیومرث ابراهیمیUniversity of Tehran, College of Aburaihanarticleپارامترهای کیفیمدل سازیمنابع آبهوش مصنوعیIrrigation engineering. Reclamation of wasteland. DrainageTC801-978FAمدیریت آب و آبیاری, Vol 11, Iss 3, Pp 409-419 (2021) |
| institution |
DOAJ |
| collection |
DOAJ |
| language |
FA |
| topic |
پارامترهای کیفی مدل سازی منابع آب هوش مصنوعی Irrigation engineering. Reclamation of wasteland. Drainage TC801-978 |
| spellingShingle |
پارامترهای کیفی مدل سازی منابع آب هوش مصنوعی Irrigation engineering. Reclamation of wasteland. Drainage TC801-978 بهاره حسین پناهی سامان نیک مهر کیومرث ابراهیمی مقایسه مدل های ماشین بردار و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود |
| description |
در این پژوهش عملکرد روش های ماشین بردار پشتیبان و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود مقایسه شده است. برای این منظور پارامترهای نسبت جذب سدیم و یون کلر به عنوان شاخص های کیفیت آب در مصارف کشاورزی در نظر گرفته شد. از داده های اندازه گیری شده یون سدیم، کلسیم، منیزیم، pH، EC و دبی جریان به عنوان ورودی مدل ها طی یک دوره آماری 12ساله (1393- 1382) در مقیاس ماهانه استفاده شد. ارزیابی نتایج بر اساس معیارهای ضریب همبستگی، جذر میانگین مربعات خطا و میانگین خطای مطلق انجام شد. نتایج دوره صحت سنجی در 4 ایستگاه پل-بوکان، داشبند بوکان، قزل‌گنبد و کاولان نشان داد که مدل ماشین بردار پشتیبان در مقایسه با شبکه عصبی تابع پایه شعاعی، دارای ضریب همبستگی بهتر(71.SVM: 0 تا 0.94، RBF: 0.3 تا 0.5)، ریشه میانگین مربعات خطای کمتر (SVM: 0.028 تا 0.075 mg/l، RBF: 0.0672 تا 0.317 mg/l)، خطای میانگین مطلق کمتر (SVM: 0.003 تا 0.033 و mg/l، RBF: 0.087 تا 0.19 mg/l) برای پارامتر یون کلر و با همان ترتیب مقادیر SVM: 0.63 تا 0.88 و RBF: 0.21 تا 0.38، SVM: 0.0013 تا 0.082 mg/l و RBF: 0.0147 تا 0/025 و mg/l، SVM: 0.0085 تا 0.046 mg/l و RBF: 0.0653 تا 0.0996 mg/l برای نسبت جذب سدیم است. لذا بر اساس نتایج مدل ماشین بردار پشتیبان نسبت به مدل شبکه عصبی تابع پایه شعاعی از دقت و عملکرد بهتری برای پیش بینی پارامترهای کیفیت آب رودخانه سیمینه رود برخوردار است. |
| format |
article |
| author |
بهاره حسین پناهی سامان نیک مهر کیومرث ابراهیمی |
| author_facet |
بهاره حسین پناهی سامان نیک مهر کیومرث ابراهیمی |
| author_sort |
بهاره حسین پناهی |
| title |
مقایسه مدل های ماشین بردار و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود |
| title_short |
مقایسه مدل های ماشین بردار و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود |
| title_full |
مقایسه مدل های ماشین بردار و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود |
| title_fullStr |
مقایسه مدل های ماشین بردار و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود |
| title_full_unstemmed |
مقایسه مدل های ماشین بردار و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود |
| title_sort |
مقایسه مدل های ماشین بردار و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود |
| publisher |
University of Tehran, College of Aburaihan |
| publishDate |
2021 |
| url |
https://doaj.org/article/61df6a22860a4aa2a256451914e99c76 |
| work_keys_str_mv |
AT bhạrhḥsynpnạhy mqạyshmdlhạymạsẖynbrdạrwsẖbḵhʿṣbytạbʿpạyhsẖʿạʿydrpysẖbynyḵyfytậbsymynhrwd AT sạmạnnyḵmhr mqạyshmdlhạymạsẖynbrdạrwsẖbḵhʿṣbytạbʿpạyhsẖʿạʿydrpysẖbynyḵyfytậbsymynhrwd AT ḵywmrtẖạbrạhymy mqạyshmdlhạymạsẖynbrdạrwsẖbḵhʿṣbytạbʿpạyhsẖʿạʿydrpysẖbynyḵyfytậbsymynhrwd |
| _version_ |
1718431173281054720 |