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

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:

1,119
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

208
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

4

اطلاعات مقاله نشریه

عنوان

پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)

صفحات

 صفحه شروع 107 | صفحه پایان 123

چکیده

 روش های متعددی هم چون مدل سری های زمانی, شبکه های عصبی مصنوعی, منطق فازی, نرو فازی و برنامه ریزی ژنتیک برای پیش بینی جریان رودخانه به کار می رود. در تحقیق حاضر از روش نوین برنامه ریزی ژنتیک جهت پیش بینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری 1376 تا 1380 استفاده شد. هم چنین نقش حافظه در کاهش یا افزایش دقت پیش بینی مورد بررسی قرار گرفت. جهت مدل سازی جریان رودخانه با برنامه ریزی ژنتیک از حافظه های دبی یک روز قبل, دو روز قبل, ... و پنج روز قبل استفاده شد و نتایج بر اساس شاخص های آماری جذر میانگین مربعات خطا و ضریب همبستگی مورد بررسی قرار گرفت. نتایج تا حافظه دبی چهار روز قبل, روبه بهبود بوده و بعد از آن رو به نزول گذاشت. جهت بررسی بیشتر این فرایند از مدل شبکه های عصبی مصنوعی نیز استفاده گردید. برای مدل شبکه های عصبی, ساختارهای مختلفی مورد بررسی قرار گرفت که ساختار با چهار نرون در لایه ورودی و شش نرون در لایه پنهان و یک نرون در لایه خروجی, بهترین نتایج را داد. برای مدل شبکه های عصبی مصنوعی نیز حافظه تا دبی چهار روز قبل رو به بهبود بوده و بعد از آن روبه نزول می گذارد. در مقایسه نتایج دو مدل, در مورد حالت بهینه مدل برنامه ریزی ژنتیک, ضریب همبستگی و جذر میانگین مربعات خطا برای آموزش به ترتیب 0.959 و 0.029 و برای حالت بهینه مدل شبکه های عصبی مصنوعی به ترتیب 0.948 و 0.215 می باشد. لذا برنامه ریزی ژنتیک از دقت بیشتری نسبت به مدل شبکه های عصبی مصنوعی برخوردار بوده و به عنوان روشی مناسب و دقیق جهت پیش بینی پیشنهاد می گردد.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    فربودنام، نیما، قربانی، محمدعلی، و اعلمی، محمدتقی. (1388). پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان). دانش آب و خاک (دانش کشاورزی)، 19(1)، 107-123. SID. https://sid.ir/paper/455804/fa

    Vancouver: کپی

    فربودنام نیما، قربانی محمدعلی، اعلمی محمدتقی. پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان). دانش آب و خاک (دانش کشاورزی)[Internet]. 1388؛19(1):107-123. Available from: https://sid.ir/paper/455804/fa

    IEEE: کپی

    نیما فربودنام، محمدعلی قربانی، و محمدتقی اعلمی، “پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)،” دانش آب و خاک (دانش کشاورزی)، vol. 19، no. 1، pp. 107–123، 1388، [Online]. Available: https://sid.ir/paper/455804/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