عنوان فارسی مقاله:یادگیری ماشینی در ارزیابی عملکرد مدل های هیدرولوژیکی
چکیده
یادگیری ماشینی با موفقیت به عنوان یک ابزار تقریباً در هر زمینه علمی و فناوری به کار گرفته شده است. در هیدرولوژی، مدلهای یادگیری ماشینی ابتدا بهعنوان شبکههای پیشخور ساده که برای پیشبینی کوتاهمدت مورد استفاده قرار میگرفتند، ظاهر شدند و به مدلهای پیچیدهای تبدیل شدند که میتوانند حتی ویژگیهای استاتیک حوضهها را با تقلید از تجربه هیدرولوژیکی در نظر بگیرند. مطالعات اخیر نشان دادهاند که مدلهای یادگیری ماشینی قوی و کارآمد هستند و اغلب از مدلهای استاندارد هیدرولوژیکی (هم مفهومی و هم مبتنی بر فیزیکی) بهتر عمل میکنند. با این حال، و علیرغم برخی تلاشهای اخیر، نتایج مدلهای یادگیری ماشین نیازمند تلاش قابل توجهی برای تفسیر و استنتاج است. علاوه بر این، تمام کاربردهای موفق یادگیری ماشین در هیدرولوژی مبتنی بر شبکه هایی با توپولوژی نسبتاً پیچیده است که برای آموزش به توان محاسباتی و زمان CPU قابل توجهی نیاز دارد. به این دلایل، ارزش مدلهای هیدرولوژیکی استاندارد غیرقابل انکار است. در این مطالعه، ما استفاده از مدلهای یادگیری ماشین را نه به عنوان جایگزینی برای مدلهای هیدرولوژیکی، بلکه به عنوان یک ابزار مستقل برای ارزیابی عملکرد آنها پیشنهاد میکنیم. ما استدلال میکنیم که این رویکرد میتواند به آشکارسازی ناهنجاریها در دادههای حوضه که در ساختار یا پیکربندی مدل هیدرولوژیکی به کار گرفته نمیشوند، کمک کند و بدون به خطر انداختن درک فرآیندهای فیزیکی زیربنایی، با آنها مقابله کند(عملکرد مدل های هیدرولوژیکی).
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.