مهندسین مشاور طرح و تحقیقات آب و فاضلاب اصفهان مجله آب و فاضلاب 1024-5936 22 1 2011 03 01 Monthly Stream Flow Prediction Using Support Vector Machine Based on Principal Component Analysis پیش‌بینی ماهانه جریان با استفاده از ماشین بردار پشتیبان بر مبنای آنالیز مؤلفه اصلی 118 123 1153 FA روح‌اله نوری کارشناس مؤسسه تحقیقات آب وزارت نیرو، دانشجوی دکترای مهندسی محیط زیست، دانشکده تحصیلات تکمیلی محیط زیست، دانشگاه تهران امیر خاکپور مدیر عامل شرکت عمران زیست آزما (CELCO)، دانشجوی دکترای مهندسی محیط زیست، دانشکده تحصیلات تکمیلی محیط زیست، دانشگاه تهران مجید دهقانی دانشجوی دکترای مهندسی عمران آب، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران اشکان فرخ‌نیا کارشناس مؤسسه تحقیقات آب وزارت نیرو، دانشجوی دکترای سازه‌های آبی، دانشکده کشاورزی، دانشگاه تربیت مدرس Journal Article 2009 10 21 The main goal of this research is to evaluate the role of input selection by Principal Component Analysis (PCA) on Support Vector Machine (SVM) performance for monthly stream flow prediction. For this purpose, SVM is used to predict monthly flow as a function of 18 input variables. PCA is subsequently employed to reduce the number of input variables from 18 to 5 PCs which are finally fed into the SVM model. SVM and PCA-SVM models are evaluated in terms of their performance using a developed statistic by the authors. Findings show that preprocessing of input variables by PCA improved SVM performance.     هدف اصلی این تحقیق بررسی تأثیر انتخاب متغیرهای ورودی با استفاده از آنالیز مؤلفه اصلی (PCA) بر عملکرد مدل ماشین بردار پشتیبان (SVM) برای پیش‌بینی ماهانه دبی رودخانه بود. به این منظور ابتدا با استفاده از 18 متغیر ورودی به مدل SVM، دبی جریان ماهانه پیش‌بینی شد. سپس با استفاده از PCA تعداد متغیرهای ورودی به مدل SVM از 18 متغیر به 5 مؤلفه کاهش یافت. در نهایت با استفاده از آماره توسعه یافته توسط نویسندگان مقاله، عملکرد مدل‌های ارائه شده (SVM و PCA-SVM) مورد ارزیابی قرار گرفت. یافته‌های این تحقیق نشان داد که پیش‌پردازش متغیرهای ورودی به مدل SVM با استفاده از PCA، بهبود عملکرد مدل SVM را به همراه داشته است.     https://www.wwjournal.ir/article_1153_55b1927fdafef39c48e5b73b5d61ea60.pdf