کاربرد روش الگوریتم ژنتیک در برآورد پارامترهای سری زمانی خطی به منظور پیش بینی خشکسالی
محل انتشار: فصلنامه دانش آب و خاک، دوره: 30، شماره: 4
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 205
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WASO-30-4_004
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
بهطور متداول برآورد پارامترهای سری زمانی خطی بر اساس روشهای گرافیکی و تقریبی است. بنابراین استفاده از رویکردی جدید جهت افزایش سرعت و سهولت در دسترسی به بهترین مدل سری زمانی میتواند نقش مهمی در استفاده از این روش در پیشبینی وقایع هیدرولوژیک داشته باشد. در این تحقیق جهت تخمین پارامترهای سری زمانی آرما از رویکرد بهینهسازی بر مبنای الگوریتم ژنتیک استفاده شده است. در این مطالعه با استفاده از روش ترکیبی الگوریتم ژنتیک – آرما پیشبینی خشکسالی در سه ایستگاه منتخب حوضه آبریز دریاچه ارومیه شامل تبریز، سقز و ارومیه بر اساس شاخص خشکسالی SPEI مورد بررسی قرار گرفت. نتایج نشان داد که بر اساس آزمون BDS در هر سه ایستگاه و در همه مقیاسهای زمانی سری قابلیت پیشبینی پذیری را دارد. همچنین به منظور بررسی میزان قابلیت اطمینان به مدل پیشبینی، از آماره Ljung-Box استفاده شد که مقادیر p-value آن در همه ایستگاهها و مقیاسهای زمانی بزرگتر از ۰۵/۰ میباشد که نشانگر تصادفی بودن باقیماندههای مدل و قابل اطمینان بودن آن است. همچنین بهترین مدل سری زمانی در مقیاسهای زمانی مختلف محاسبه و بر اساس آن پیشبینی شاخص SPEI انجام گرفت. نتایج بخش پیشبینی نشان داد که روش ترکیبی الگوریتم ژنتیک – آرما در مقیاسهای زمانی بلندمدت شاخص SPEI در همه ایستگاهها از دقت مناسب برخوردار است، ولی در مقیاسهای زمانی کوتاهمدت عملکرد آن مناسب نمیباشد.
کلیدواژه ها:
نویسندگان
عباس عباسی
دانش آموخته دکتری مهندسی منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه
کیوان خلیلی
استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه
جواد بهمنش
دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه
اکبر شیرزاد
استادیار گروه مهندسی عمران، دانشکده مهندسی عمران، دانشگاه صنعتی ارومیه، ارومیه
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 :