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:

865
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

171
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدل سازی جریان روزانه ی رودخانه با استفاده از برنامه ریزی ژنتیک و شبکه ی عصبی (مطالعه ی موردی: حوضه ی آبخیز معرّف امامه)

صفحات

 صفحه شروع 367 | صفحه پایان 383

چکیده

 فرایند بارش-رواناب پیچیده و غیرخطی است و مدل سازی آن به دلیل عدم قطعیت های زیاد یکی از مهم ترین دغدغه های پژوهشگران در حیطة مسائل منابع آب به شمار می رود. از بین روش های مورد استفاده, مدل های هوشمند در پیش بینی چنین فرایندهایی مفید و مؤثرند. بنابراین, به منظور مدل سازی جریان رودخانه از روش های شبکة عصبی مصنوعی و همچنین برنامه ریزی ژنتیک به منزلة روشی صریح که جزو الگوریتم های تکاملی به شمار می رود در حوضة آبخیز معرّف امامه و در دورة آماری 1349-1350 تا 1390-1391 (42 ساله) استفاده شد. بدین منظور, از داده های هواشناسی و آب سنجی در مقیاس روزانه و در قالب 62 مدل پیشنهادی استفاده شد. نتایج نشان داد برنامه ریزی ژنتیکی, از میان مدل های فراوان, خطای کمتری داشت. خطای مدل ها نیز وقتی که فقط از عملگرهای اصلی ریاضی و توان استفاده شد به مراتب کمتر بود. سرانجام, با توجه به معیارهای ارزیابی مورد استفاده در این تحقیق, ساختار پیشنهادی با ورودی های (مدل 54) دما, باران, و تأخیرهای باران تا دو روز, رطوبت نسبی و تبخیر و تعرق و تأخیر جریان تا دو روز به عنوان بهترین مدل با خطای 001/0, 031/0, و 009/0 در مرحلة آموزش و 001/0, 032/0, و 009/0 در مرحلة آزمایش به دست آمد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    نوحه گر، احمد، معتمدنیا، محبوبه، و ملکیان، آرش. (1395). مدل سازی جریان روزانه ی رودخانه با استفاده از برنامه ریزی ژنتیک و شبکه ی عصبی (مطالعه ی موردی: حوضه ی آبخیز معرّف امامه). پژوهشهای جغرافیای طبیعی (پژوهش های جغرافیایی)، 48(3 )، 367-383. SID. https://sid.ir/paper/366844/fa

    Vancouver: کپی

    نوحه گر احمد، معتمدنیا محبوبه، ملکیان آرش. مدل سازی جریان روزانه ی رودخانه با استفاده از برنامه ریزی ژنتیک و شبکه ی عصبی (مطالعه ی موردی: حوضه ی آبخیز معرّف امامه). پژوهشهای جغرافیای طبیعی (پژوهش های جغرافیایی)[Internet]. 1395؛48(3 ):367-383. Available from: https://sid.ir/paper/366844/fa

    IEEE: کپی

    احمد نوحه گر، محبوبه معتمدنیا، و آرش ملکیان، “مدل سازی جریان روزانه ی رودخانه با استفاده از برنامه ریزی ژنتیک و شبکه ی عصبی (مطالعه ی موردی: حوضه ی آبخیز معرّف امامه)،” پژوهشهای جغرافیای طبیعی (پژوهش های جغرافیایی)، vol. 48، no. 3 ، pp. 367–383، 1395، [Online]. Available: https://sid.ir/paper/366844/fa

    مقالات مرتبط نشریه ای

    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