دانلود پایان نامه درمورد ماشین بردار پشتیبان و مقایسه نتایج


Widget not in any sidebars

(‏12)
(‏13)
(‏14)
(‏15)
(‏16)
که،،،،، و به ترتیب دبی رسوب بر واحد عرض کانال، دبی جریان، متوسط سرعت جریان، شیب سطح آب یا انرژی، تنش برشی، توان جریان بر واحد سطح کف، و توان واحد جریان بوده و و نیز پارامترهای مربوط به شرایط جریان و رسوب هستند. زیروند c نیز بیانگر شرایط بحرانی در آستانه حرکت میباشد. بسیاری از جنبههای پیچیده انتقال رسوب نیازمند فهم درست بوده و موضوعی چالش برانگیز برای مطالعات آینده خواهد بود.
اهداف پژوهش
در این تحقیق، کوشش بر این است که یک روش جامع و دقیق را که بر پایه دانش هوش مصنوعی است بر روی مسائل پیشبینی و برآورد رسوب پیاده کرد. مسأله انتقال رسوب در طول چند قرن است که توسط مهندسین و مورفولوژیستهای رودخانه مطالعه میشود. از رویکردهای مختلفی برای حل مسائل مهندسی استفاده شده است. نتایجی که از این رویکردها حاصل میشوند، به طور فاحشی با یکدیگر و با نتایج میدانی متفاوت هستند. در سالهای اخیر، تعدادی از مفاهیم پایهای، محدودیت کاربرد و رابطه متقابل بین آنها برای ما روشن شده است.
با توجه به اینکه انتقال رسوب پدیدهای پیچیده بوده و اندازه ذرات رسوب دارای محدوده وسیع و از طرفی بستر کانال فرمهای گوناگونی را به خود میگیرد، استفاده از روشهای دادهمحور برای اینگونه از مسائل قطعاً جواب بهتری خواهد داد. در این روش اکثر پارامترهای مؤثر در نرخ انتقال رسوب در مسأله نقش داشته و مسأله حاضر فقط بر پایه یک متغیر یا فاکتور غالب نیست. در این تحقیق کوشش بر این است تا نتایج به دست آمده از رگرسیون بردار پشتیبان را با روشهای سنتی مقایسه کرده و به یک نتیجهگیری کلی رسید. در روش رگرسیون بردار پشتیبان، پارامترهای کالیبره به سختی کالیبره میشوند. برای همین از یک الگوریتم بهینهسازی به نام الگوریتم اجتماع ذرات استفاده کرده تا از این طریق واسنجی پارامترها به سادگی صورت گیرد. در حین انجام این تحقیق نیز بر روی پارامترهای ورودی تحلیل حساسیت انجام داده و پارامترهای مهم به ترتیب معرفی خواهند شد. این روش از محدوده وسیعی از دادههای آزمایشگاهی و میدانی استفاده کرده و برای شرایط مختلف جریان و رسوب کاربرد داشته و نتایج خوبی را به دست میدهد. در نهایت نتایج به دست آمده را نیز با یک الگوریتم دیگر مقایسه کرده و روش دقیق معرفی خواهد شد.
به طور خلاصه، پژوهش حاضر با اهداف زیر به انجام رسیده است:
معادلات مربوط به بار بستر با بهرهگیری از مفاهیم معرفی شده توسط یانگ، انجلاند و هانزن، ایکرز و وایت، و گراف ارزیابی میشوند.
تعیین معادله رسوبی که بهترین پیشبینی را بر روی نرخ انتقال رسوب کف برای دادههای جمعآوری شده داشته باشد.
استفاده از دو مدل هوش مصنوعی به نامهای رگرسیون بردار پشتیبان (SVR) و الگوریتم بهینهسازی اجتماع ذرات (PSO) و مقایسه دقت پیشبینی دو مدل نسبت به یکدیگر و نیز نسبت به روشهای سنتی.
در این پایاننامه سعی شده است که به دو موضوع علمی روز یعنی مسأله انتقال رسوب و رگرسیون بردار پشتیبان پرداخته شود. در فصل دوم این پژوهش به مفاهیم و اصول انتقال رسوب اشاره شده است. در فصل سوم به تعدادی از مطالعات پیشین مرتبط با این پ‍ژوهش اشاره شده است. مطالعه تحقیقات قبلی می‌تواند نشاندهنده میزان پیشرفت تحقیقات تخصصی در این زمینه باشد. در فصل چهارم کلیهی اطلاعاتی را که برای یادگیری روش رگرسیون بردار پشتیبان و الگوریتم بهینهسازی اجتماع ذرات لازم است، تشریح شده است. در فصل پنج نیز، به شرح مختصری در مورد کد نوشته شده، محیط کدنویسی و دادههای مورد استفاده میپردازیم. و در نهایت ، نتایج مدلهایی که برای پیشبینی نرخ انتقال رسوب بدست آمده است، ارائه می‌شود و برای ادامهی کار در این زمینه نیز پیشنهادهایی ارائه شده است.
شکل ‏11: چهارچوب تحقیق
تعیین مسأله
مروری بر تحقیقات گذشته
روش تحقیق:
نگاهی بر متدولوژی ماشین بردار پشتیبان، به خصوص حداقل مربعات رگرسیون بردار پشتیبان، و الگوریتم بهینه‌سازی اجتماع ذرات
جمع‌آوری داده‌ها:
از مجموعه‌ای از داده‌های میدانی و آزمایشگاهی برای شبیه‌سازی استفاده شده است. داده‌ها به صورت رایگان در دسترس بود.
ارزیابی مدل‌های حداقل مربعات رگرسیون بردار پشتیبان و الگوریتم بهینه‌سازی اجتماع ذرات و مقایسه نتایج با روش‌های موجود از قبیل؛ ایکرز و وایت، انجلاند و هانزن، گراف، و یانگ
تحلیل و بحث در نتایج
گزارش‌نویسی و مقاله‌نویسی
مبانی نظری تحقیق
کلیات