دانشیار، گروه کشاورزی، دانشگاه پیام نور، تهران، ایران، m.karami.mo2014@pnu.ac.ir
چکیده: (800 مشاهده)
در این پژوهش با استفاده از دادههای میدانی، دقت روشهای روابط تجربی، الگوریتم ژنتیک (GA)، حداقل مربعات ماشین بردار پشتیبان (LSSVM) و روش ترکیبی در تخمین عمق آبشستگی پایههای ساده پلها مقایسه شد. در روش GA، تعدادی از روابط تجربی اصلاح و نتایج حاصل از این روابط اصلاح شده با مقادیر واقعی آبشستگی مقایسه شد. در روش LSSVM، از طریق ورودی پارامترهای مختلف مستقل، آموزش مدل انجام و مقدار عمق آبشستگی پیشبینی شد. در روش ترکیبی، با استفاده از مدل LSSVM از ترکیب نتایج روابط مختلف منفرد، مقدار عمق آبشستگی پایه پل تخمین زده شد. نتایج نشان داد روابط اصلاح شده توسط الگوریتم ژنتیک و مدل LSSVM دقت بالاتری نسبت به روابط تجربی دارند. همچنین چنانچه تنها پارامترهای استفاده شده در روابط تجربی به‌عنوان پارامترهای ورودی به مدل LSSVM لحاظ شوند، روابط اصلاح شده خطای کمتری نسبت به مدل LSSVM دارند. شاخصهای ارزیابی RMSE، E، R2و NSE برای بهترین حالت روش ترکیبی در مرحله آموزش به ترتیب 4/0 متر، 49 درصد، 88/0 و 58/0 و در مرحله آزمون به ترتیب 52/0 متر، 50 درصد، 7/0 و 38/0 میباشند. در مجموع روش ترکیبی، عمق آبشستگی را با دقت بالاتری نسبت به دیگر روشها تخمین میزند.
Karami Moghadam M, Amini A. Comparing the accuracy of individual and combined application of genetic algorithm and least squares of support vector machine in estimating scour depth of simple bridge piers. Journal of Rainwater Catchment Systems 2023; 11 (2) : 3 URL: http://jircsa.ir/article-1-495-fa.html
تکمیل و ارسال فرم تعارض منافع نویسنده گرامی ، پس از ارسال مقاله ، جهت دریافت فرم، لطفا بر روی کلمه فرم تعارض منافع کلیک نمایید و پس از تکمیل، در فایل های پیوست مقاله قرار دهید.
