تبخیر یکی از فرایندهای مهم و تأثیرگذار در چرخه آبی است. تشت تبخیر به علت سهولت تفسیر داده­های آن در سراسر دنیا به عنوان شاخصی برای تعیین تبخیر از دریاچه­ها و مخازن استفاده می­شود. بنابراین با ثبت درست مقدار تبخیر از تشت می­توان تبخیر و تعرق گیاه مرجع را تخمین زد. روابط تجربی ارائه شده برای تخمین تبخیر از سطوح آزاد با در نظر گرفتن پارامترهای هواشناسی به عنوان ورودی، دارای تنوع زیاد است. دقت روابط تجربی در مناطق مختلف متفاوت است و در هر منطقه نیاز به واسنجی دارد. همچنین از دقت بالایی برخوردار نبوده و دسترسی به تمام پارامترهای ورودی مشکل و یا اندازه­گیری آن­ها محتاج صرف هزینه و زمان زیادی می­باشد. هدف از این تحقیق ارزیابی کارایی مدل­های ماشین بردار پشتیبان و حداقل مربعات ماشین بردار پشتیبان جهت تخمین تبخیر از سطح آزاد آب در استان گلستان می­باشد. در این تحقیق از داده­های هواشناسی روزانه سه ایستگاه سینوپتیک (کلاله، گرگان و بندر ترکمن) به مدت 17 سال (1376-1393) استفاده شد. نتایج نشان داد بین الگوهای ورودی به مدل های SVM و LSSVM، الگوی 16 با پارامترهای ورودی  رطوبت نسبی کمینه، رطوبت نسبی بیشینه، سرعت باد و ساعات آفتابی دارای بیشترین R2 و کمترین RMSE و MBE بود. مدل LSSVM در ایستگاه بندر ترکمن دارای بهترین پیش بینی نسبت به دو ایستگاه دیگر بوده است. همچنین در همه ایستگاه های موردمطالعه مدل LSSVM دارای R2 بیشتر و RMSE و MBE کمتری نسبت به مدل SVM بوده است.

هدف: هدف در این مقاله ارایه یک نوع بهبودیافته از مدل ماشین بردار پشتیبان دوگانه حاشیه-پارامتری به منظور بهبود عملکرد کلاس بندی است. روش شناسی پژوهش: با جایگزین کردن متغیر جدید در تابع هدف، نقاط یک کلاس از ابرصفحه حاشیه-پارامتری کلاس دیگر تا جای ممکن دور می شود. یافته ها: مدل بهبودیافته در هر دو حالت خطی و غیرخطی محدب است. همچنین آزمایش های عددی بر روی داده های کتابخانه ای UCI نشان دهنده عملکرد بهتر مدل پیشنهادی در مقایسه با دو مدل مشابه در مقایسه با دو مدل مشابه در حالت های خطی و غیرخطی از نظر دقت است. اصالت/ارزش افزوده علمی: مطالعات قبلی انجام شده در مدل ماشین بردار پشتیبان دوگانه حاشیه-پارامتری که از طریق روش های مانند وزن دار کردن داده ها، تبدیل کردن آن به مدل نامقید و یا اضافه کردن عبارت جدید در تابع هدف دقت مسئله را افزایش می دهند، تضمین کننده دور بودن تمام نقاط از ابرصفحه و قرار داشتن آن ها در نیم فضای منفی نیستند؛ اما این بررسی یک رویکرد جدید برای رفع این مشکل ماشین بردار پشتیبان دوگانه حاشیه-پارامتری ارایه می دهد.

آردی شدن، کیفیت میوه سیب را تنزل می دهد و این پدیده نقش مهمی در بازار میوه ایفا می کند. بنابراین استفاده از تکنیکی سریع و قابل اعتماد برای اندازه گیری و درجه بندی میوه ها ضروری است. در این تحقیق، قابلیت سیگنال های صوتی سیب های غلتان بر روی صفحه شیب دار به عنوان روشی نوین در تشخیص غیرمخرب آردی شدن سیب رقم رد دلیشز مورد بررسی قرار گرفت. با استفاده از آزمون مخرب فشردگی محصور، میزان آردی شدن نمونه ها ارزیابی شد. مدل های ماشین بردار پشتیبان برای طبقه بندی سیب ها در نظر گرفته شد. از کرنل تابع پایه شعاعی در مدل های ماشین بردار پشتیبان استفاده شد. مطابق روش جستجوی جامع، مدلی با ترکیب 9 ویژگی به عنوان بهترین مدل انتخاب شد. نتایج نشان داد که میزان دقت کلی این روش برای تشخیص سیب های سالم و آردی برابر 5/85 درصد به دست آمد. نتایج حاکی از آن بود که روش مذکور از توانمندی خوبی برای تشخیص سیب های آردی برخوردار است. متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

درماندگی مالی پیش از ورشکستگی مالی رخ می دهد و پیش بینی موثر آن یک مساله مهم و چالش برانگیز برای شرکت ها می باشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد می پردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آن ها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی مالی، کشف تقلب مدیریت، برآورد ریسک اعتباری و پیش بینی عملکرد شرکت، گسترش داده است. دراین مطالعه، ترکیبات جریان نقد شرکت های انتخاب شده برمبنای معیارهای اختصاصی درماندگی به عنوان متغیرهای ورودی مدل به کار گرفته شده است. یافته های تحقیق حاکی از آن است از میان توابع کرنلی، تابع چند جمله ای در سال درماندگی، یک و دو سال قبل از آن دارای بالاترین قدرت پیش بینی است.

اهداف: اطلاعات موجود در ساختمان پروتئین ها برای درک چگونگی فعالیت آنها بسیار مفید است. انعطاف پذیری یکی از مهم ترین فاکتورهای ساختمانی مرتبط با عملکرد پروتئین ها است. دانش درباره انعطاف پذیری ساختارهای پروتئینی، کمک بزرگی به کیفیت پیشگویی ساختمان پروتئین ها و درک عملکرد پروتئین ها می کند. مطالعه حاضر با هدف بررسی پیش گویی انعطاف پذیری ساختارهای پروتئینی با استفاده از ماشین بردار پشتیبان انجام شد. مواد و روش ها: در مطالعه حاضر از یک مجموعه داده متعادل 95 پروتئینی استفاده شد. ویژگی های استفاده شده در مطالعه حاضر برای مدل کردن اسیدآمینه ها، یک بردار 33 بعدی را تشکیل داد. برخی از آنها از لغزاندن پنجره ای به طول 17 با مرکزیت اسیدآمینه هدف روی زنجیره پروتئین به دست آمده اند و برخی تنها مربوط به اسیدآمینه هدف بودند. برای تعریف فاکتور انعطاف پذیری، ویژگی های مبتنی بر اطلاعات حاصل از تغییرات زوایای دووجهی، استفاده شد. این اطلاعات برای هر اسیدآمینه با درنظرگرفتن موقعیت هر اسیدآمینه به تنهایی و برای جفت اسیدآمینه های مجاور در یک پنجره هفده تایی محاسبه و برای پیشگویی از روش ماشین بردار پشتیبان استفاده شد. یافته ها: میزان صحت 73/1%، معیار F 71% دقت 73% و حساسیت 73/2% به دست آمد. برتری قابل قبول روش پیشنهادی در مقایسه با روش های موجود تایید شد. نمایش زاویه ای هر پروتئین توانست به خوبی خصوصیات و ویژگی های ساختار سه بعدی پروتئین را نشان دهد. نتیجه گیری: میزان صحت 73/1%، معیار F 71% دقت 73% و حساسیت 73/2% است و بهترین نگاه به بحث انعطاف پذیری، نگاه زاویه ای است. نمایش زاویه ای هر پروتئین می تواند به خوبی خصوصیات و ویژگی های ساختار سه بعدی پروتئین را نشان دهد.

متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.