مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

42
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

7
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدلسازی تبخیر ماهانه با استفاده از روش‏های منفرد و هیبریدی-موجک داده‏کاوی در حوضه‏های آبریز ایران با تنوع اقلیمی

صفحات

 صفحه شروع 354 | صفحه پایان 373

کلیدواژه

چکیده

 تبخیر به عنوان یکی از پارامترهای طبیعی, همواره مورد توجه محققین بوده است. در این پژوهش, متغیر تبخیر ماهانه با استفاده از روش‏های شبکه عصبی مصنوعی, سامانه استنتاجی فازی-عصبی تطبیقی و برنامه‏ریزی بیان ژن و ترکیب روش‏های مذکور با تئوری موجک, در دو اقلیم متفاوت ایران مدلسازی شد. بدین منظور, داده‏های هواشناسی بارش, رطوبت نسبی, دمای میانگین, دمای بیشینه, دمای کمینه و سرعت باد, در طول دوره آماری 1397-1384 مربوط به دو حوضه آبریز دریاچه ارومیه و گاوخونی به کار گرفته شد. در این مطالعه, اثر فصلی و نویززدایی داده‏ها اعمال شد. دقت روش‏های مورد مطالعه بر اساس شاخص‏های آماری ضریب همبستگی (R), ریشه میانگین مربعات خطا (RMSE), میانگین خطای مطلق (MAE) و ضریب کارایی نش-ساتکلیف (NSE) مورد بررسی قرار گرفت. نتایج حاکی از این است که در دو اقلیم مختلف روش‏های هیبرید موجک برنامه‏ریزی بیان ژن و شبکه عصبی مصنوعی منفرد به ترتیب دارای بالاترین و ضعیف‏ترین عملکرد در میان سایر مدل‏های داده کاوی به کار رفته در این تحقیق هستند. مدل هیبریدی موجک-برنامه‏ریزی بیان ژن با مقدار RMSE  برابر با 870/20 و 884/156 میلی‏متر به ترتیب برای ایستگاه‏های تازه‏کند در حوضه آبریز دریاچه ارومیه و کوهپایه در حوضه آبریز گاوخونی عملکرد بالاتری را داشته است. همچنین, نتایج نشان داد که تاًثیر به کارگیری ضریب فصلی و نویززدایی داده‏ها در ارتقاء عملکرد مدل‏ها قابل توجه است. بر اساس نتایج, عملکرد مدل‏ها در حوضه آبریز دریاچه ارومیه با اقلیم Dsa بهتر بوده است. همچنین, روش‏های داده‏کاوی هیبریدی را می‏توان به عنوان جایگزین مناسبی برای روش‏های قدیمی معرفی نمود.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button