Nemlineáris modellek kidolgozása az üledékterhelés becsléséhez egy öntözőcsatornában

Absztrakt

A tanulmányt a pakisztáni Mianwali körzetben, Pandzsábban található Thal-csatornán a heti üledékterhelés becslésére végezték. Az üledékek és kibocsátások korábbi nyilvántartásait tekintettük bemeneti paraméternek. A legjobb bemeneti kombinációkat fejlett algoritmusok segítségével azonosították, beleértve a teljes, szekvenciális és növekvő beágyazást, genetikai algoritmust és dombmászást a gamma teszttel kombinálva. A modellképzést két mesterséges neurális hálózaton alapuló algoritmus, nevezetesen Broyden - Fletcher - Goldfarb - Shanno (BFGS), back-propagation és lokális lineáris regressziós technika alkalmazásával hajtották végre. Számos statisztikai paraméter, beleértve a következőket: R A legjobb modellek kiértékeléséhez kiszámítottuk a négyzet értéket, a középérték négyzetes hibát, az átlagos négyzet hibát és az átlagos torzítási hibát (MBE). Az eredmények határozottan azt sugallják, hogy a BFGS alapú modell jobban teljesített, mint az összes többi modell, kiemelkedően alacsony MBE értékkel. Jelentősen magas korrelációs együttható (R négyzet) mind az edzés, mind a tesztelés során szoros hasonlóságot mutatott ugyanazon modell tényleges és előre jelzett üledékterhelési értékei között.

nemlineáris

Ez az előfizetéses tartalom előnézete. Jelentkezzen be a hozzáférés ellenőrzéséhez.