مدل سازی جریان روزانه رودخانه با استفاده از فرامدل های شبیه ساز (مطالعه موردی:رودخانه گاماسیاب)
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 291
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESTJ-22-4_010
تاریخ نمایه سازی: 18 مهر 1400
چکیده مقاله:
زمینه و هدف: هدف در ابتدا بیان نمودن تفاوتها و شناسایی۳ مدل به نامهای، برنامه ریزی بیان ژن (GEP)، شبکه عصبی – فازی (ANFIS) و شبکه بیزین (BN) است و مقایسه آنها با یکدیگر و سوال اساسی تحقیق این است که ایا فرامدل شبیهساز برتر در این مطالعه میتواند در شرایط کمبود داده و اطلاعات، جایگزین مناسبی برای مدلهای مفهومی باشد. روش بررسی: دادههای مورد استفاده برای این پژوهش، دادههای بارش و جریان روزانه رودخانه گاماسیاب نهاوند در یک دوره ۱۰ ساله ۱۳۹۱-۱۳۸۱ میباشد. برای مرحله پیشبینی یا شبیهسازی از دادههای سال آبی ۱۳۹۱-۱۳۹۰ استفاده شده است. یافتهها: در مرحله آموزش و با توجه به ضریب تبیین و پارامتر جذر میانگین مربعات خطا و معیار AIC، مشاهده می شود که در هر ۳ مدل، هم در مرحله آموزش و هم در مرحله تست شاهد اختلاف بسیار اندک در مقدار این پارامترها هستیم و نتایج هر ۳مدل تقریبا با اختلاف بسیار اندک، نزدیک به هم است و تقریبا برتری نسبی مدل GEP را میتوان مشاهده کرد. بحث و نتیجه گیری: نتایج بیانگر آن است که فرامدل[۱] شبیه ساز بیان ژن توانایی خوبی برای شبیه سازی و پیش بینی جریان روزانه رودخانه دارد و این فرامدل شبیهساز، میتواند در شرایط کمبود داده و اطلاعات، جایگزین مناسبی برای مدلهای مفهومی باشد. علاوه بر این سرعت اجرای مدل برنامهریزی بیان ژن نسبت به بقیه مدل ها بیشتر بوده و در زمان کوتاهی قادر به ارائه نتایج بوده است. [۱]- Meta Model
کلیدواژه ها:
نویسندگان
معصومه زینعلی
دانشجوی دکتری منابع آب، گروه مهندسی آبیاری و آبادانی؛ پردیس کشاورزی و منابع طبیعی دانشگاه تهران؛ کرج؛ ایران.
محمدرضا گلابی
دکترای منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، ایران. (نویسنده مسئول)
محمد حسین نیک سخن
دانشیار دانشکده محیط زیست، دانشگاه تهران، ایران.
محمد رضا شریفی
استادیار دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :