پیشبینی جریان رودخانه با رویکرد برنامهسازی ژنتیک

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 908

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IHC11_135

تاریخ نمایه سازی: 19 اسفند 1391

چکیده مقاله:

پیش بینی جریان دررودخانه ها یکی ازمهمترین ملزومات درمدیریت منابع آبهای سطحی به ویژه اتخاذ تدابیرلازم درمواقع سیلاب است پیش بینی جریان رودخانه درروشهای مفهومی مستلزم تعیین تعدادزیادی پارامتر دارای عدم قطعیت مختلف و روابط غیرخطی است که استفاده از روشهای مفهومی را به ویژه درمقوله کالیبراسیون مدل سخت و وقتگیر کرده اند بنابراین روشهای مبتنی برداده کاوی درسالهای اخیر مورد توجه بسیاری از پژوهشگران واقع شده اند یکی ازمهمترین روشهای داده کاوی برنامه سازی ژنتیک است دراین تحقیق از روش برنامه سازی ژنتیک جهت پیش بینی جریان رودخانه و مشخصنمودن متغیرهای ورودی موثر استفاده شده است نتایج تحقیق حاضر دقت برنامه سازی ژنتیک را درپیش بینی جریان رودخانه و مدلسازی فرایند بارش رواناب تایید می کند.

نویسندگان

محمدذاکر مشفق

استادیار دانشگاه صنعتی جندی شاپوردزفول

مهسا والی پور

دانشجوی کارشناسی مهندسی عمران

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 :
  • ربودام ن، قربانی م، اعلمی م، 1388.پیش بینی جیان رودخانه ...
  • Olson DA., Junker NW., Korty., 1995. Evaluation 3 years of ...
  • Back, T, 1996. Evolutionary Algorithms in Theory and Practice: Evolution ...
  • Back, T., Fogel, D. _ and Michalewicz, Z., 1997. Handbook ...
  • Back, T., Hammel, U. and Schwefel, _ Evolutionary computation: comments ...
  • van der Hauw, K., 1996. Evaluating and improving steady state ...
  • Khu ST., Liong SY., Babovic V., Madsen H and Muttil ...
  • Whigham P A and Crapper PF., 2001. Modeling rainfall-runof using ...
  • Liong SY., Gautam TR., Khu ST., Babovic V., Keijzer M., ...
  • Jay awardena AW., Muttil N and Fernando TMKG., 2005. Rainfal ...
  • IAHR , july 1-6 2007 , venice , Italy. ...
  • Aytek A., KisiO., 2008, Agenetic programming approach to suspended sediment ...
  • Aytek A., Asce M and Alp M., 2008. An application ...
  • Ghorbani MA., Khatibi R., Aytek A. , Makarynskyy O., Shiri ...
  • Shiri J., Kisi O., 2010. Short term and long term ...
  • Shiri J., Kisi O., 2011. Application of artificial intelligence to ...
  • Shiri J., Kisi O., Landeras G., Lopez J.J., Nazemi A.H., ...
  • Koza JR., 1992. Genetic programming: On the programming of computers ...
  • Alvisi S., Mascellani G., Franchini M., and Bardossy. A. 2005. ...
  • نمایش کامل مراجع