اختصاصی از
هایدی بکارگیری مدل های ترکیبی موجک - ماشین بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی سری های زمانی هیدرولوژیکی دانلود با لینک مستقیم و پر سرعت .
• مقاله با عنوان: بکارگیری مدل های ترکیبی موجک - ماشین بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی سری های زمانی هیدرولوژیکی (مطالعه موردی: حوضه آجی چای)
• نویسندگان: غلامرضا عندلیب ، وحید نورانی ، افشین پرتویان
• محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95
• فرمت فایل: PDF و شامل 8 صفحه می باشد.
چکیــــده:
شبیه سازی و ارزیابی رسوب رودخانه و ایجاد ارتباط بین دبی جریان و رسوب از جمله مسائل مهم و کاربردی در مدیریت منابع آب و محیط زیست در استفاده از مخازن سدها، ساماندهی رودخانه ها و عاملی برای جلوگیری از هزینه اضافی است. در این تحقیق، از تابع موجک به عنوان یکی از ابزارهای محاسبات نرم جهت استخراج ویژگی های سری های زمانی استفاده گردیده و کارایی مدل های موجک - ماشین بردار پشتیبان و موجک – برنامه ریزی ژنتیک برای پیش بینی رسوب در رودخانه ی آجی چای مورد بررسی قرار گرفته است. برای این منظور، در گام اول مقدار رسوب توسط ماشین بردار پشتیبان و برنامه ریزی ژنتیک پیش بینی شده است. سپس سری های زمانی دبی و رسوب توسط موجک به زیر سری هایی تجزیه شدند و این زیر سری ها جهت شبیه سازی رابطه دبی - رسوب وارد ماشین بردار پشتیبان و برنامه ریزی ژنتیک شدند. نتایج پیش بینی رسوب ماهانه نشان می دهند که ماشین بردار پشتیبان با ضریب تبیین DC=0.65 خروجی بهتری نسبت به برنامه ریزی ژنتیک DC=0.61 دارد. مدل موجک - ماشین بردار پشتیبان نتایج بهتری در مقایسه با مدل موجک – برنامه ریزی ژنتیک نشان می دهد و اضافه کردن موجک باعث افزایش دقت مدل های ماشین بردار پشتیبان و برنامه ریزی ژنتیک می شود، برای نمونه DCSVM=0.65 به DCWSVM=0.82 ارتقاء یافته است.
________________________________
** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **
** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل civil.sellfile.ir@gmail.com پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **
دانلود با لینک مستقیم
بکارگیری مدل های ترکیبی موجک - ماشین بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی سری های زمانی هیدرولوژیکی 
