ارزیابی تأثیر پیش‌پردازش متغیرهای ورودی به مدل ماشین بردار پشتیبان به روش آزمون گاما به‌منظور پیش‌بینی حجم رسوب معلق

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران

2 دانشیار گروه احیای مناطق خشک و کوهستانی، پردیس کشاورزی و منابع طبیعی کرج، دانشگاه تهران، کرج، ایران

3 استادیار دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران

4 دانشجوی دکتری علوم و مهندسی آبخیزداری، گروه آبخیزداری، دانشگاه کاشان، کاشان، ایران

چکیده

هدف از این مطالعه بررسی تأثیر پیش ‏پردازش متغیرهای ورودی به روش آزمون گاما بر عملکرد مدل ماشین بردار پشتیبان جهت پیش‌‏بینی حجم رسوبات معلق رودخانه دویرج، واقع در استان ایلام، برای دورة ۱۹۹۴‌ـ ۲۰۰۵ است. دبی جریان و بارندگی ورودی مدل و دبی رسوب معلقْ خروجی مدل درنظر گرفته شد. همچنین، طول دورة آموزش مدل با استفاده از آزمون گاما (Gamma Test (GT)) مشخص شد. سپس، به منظور بررسی تأثیر پیش ‏پردازش متغیرهای ورودی بر عملکرد مدل، رسوب معلق با استفاده از مدل SVM، که هیچ‏گونه پیش‏پردازشی بر روی متغیرهای ورودی آن صورت نگرفته بود، پیش‏‌بینی شد و نتایج با یکدیگر مقایسه گردید. نتایج نشان داد عملکرد مدل GT-SVM در مرحله آزمون با حداقل RMSE برابر با 96/0 تن در روز و حداکثر ضریب R2 برابر با 98/0 بین مقادیر پیش‌بینی‌شده و واقعی بهتر از عملکرد مدل  SVMاست.

کلیدواژه‌ها


عنوان مقاله [English]

Assessing the Impact of input variables preprocessing into support vector machine through gamma test method for suspended sediment volume prediction

نویسندگان [English]

  • Elham Kakaei Lafdani 1
  • Ali Reza Moghaddam Nia 2
  • Azadeh Ahmadi 3
  • Heydar Ebrahimi 4
1 PhD Candidate, Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Noor, Iran
2 Associate Professor, Mountain and Arid Regions Reclamation Department, Faculty of Natural Resources, University of Tehran, Karaj, Iran
3 Assistant Professor, Department of Civil Engineering, Isfahan University of Technology, Isfahan, Iran
4 PhD Candidate, Watershed Management Engineering, Department of Watershed Management, University of Kashan, Kashan, Iran
چکیده [English]

This study aimed to examine the influence of pre-processing input variables by Gamma Test on performance of Support Vector Machine in order to predict the suspended sediment amount of Doiraj River, located in Ilam Province from 1994-2004. The flow discharge and rainfall were considered as the input variables and sediment discharge as the output model. Also, the duration of the model training period was determined through GT. Thereafter, in order to carry out the influence of pre-processing input variables on performance of model, the suspended sediment was predicted using SVM model while no pre-processing has been done on its input variables and the results were compared to each other. Results show the performance of the GT-SVM model in the test phase with minimum RMSE was equal to 0.96 (ton/day) and the maximum coefficient of R2 was equal to 0.98 between the predicted and actual values, was better than SVM model.

کلیدواژه‌ها [English]

  • Doiraj River
  • Gamma test
  • Performance Evaluation
  • Suspended Sediment
  • Support vector Machine