ساختار درختی برنامه ریزی بیان ژن جهت شبیه سازی نوسانات تراز آب

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,047

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:

ICCAU01_0706

تاریخ نمایه سازی: 29 تیر 1393

چکیده مقاله:

دریاچه ارومیه بعنوان یکی از بزرگترین دریاچه های ایران، مقصد نهائی مجموعه ای از رودخانه های شمالغرب کشور است.با توجه به تغییرات زیاد بارندگی و همچنین تغییرات دمای هوا، تراز آب نوسانات زیادی داشته است. آگاهی از این نوساناتدر بررسی مسائل مرتبط، از جمله ریسک پذیری تاسیسات و سازه های وابسته، تغییرات ذخیره آبی دریاچه، ساخت و سازهای ساحلی، محیط زیست و بسیاری از عوامل دیگر اهمیت دارد. روش های مختلف شبکه عصبی مصنوعی و برنامهریزی بیان ژن برای پیش بینی سطح آب دریا ها کاربرد دارند. ساختار درختی کروموزوم ها در روش برنامه ریزی بیان ژن،این الگوریتم را به ابزاری قوی و مناسب برای حل مسائل مدل سازی تبدیل می کند. در تحقیق حاضر از ساختار درختی برنامه ریزی بیان ژن و همچنین از شبکه عصبی مصنوعی برای پیش بینی نوسانات سطح آب در مقیاس های زمانی مختلفدر نه ترکیب متفاوت، شامل مقادیر نوسانات تراز آب یک تا نه روز قبل به صورت ورودی در نظر گرفته شد تا بهترین حالت ممکن جهت پیش بینی انتخاب و ساختار درختی مدل بهینه معرفی گردد. پیش بینی ها با استفاده از داده های نوسانات تراز آب دریاچه ارومیه انجام پذیرفت و تراز سطح آب در دوره زمانی آذر 1331 تا آذر 1331 برای شبیه سازی بکار گرفته شد. نتایج حاصل، حاکی از دقت مطلوب برنامه ریزی بیان ژن در شبیه سازی نوسانات سطح آب می باشد و مدل های درختی حاصل، شامل سه زیر درخت )ژن( در مقیاس روزانه در جدولی ارائه شده است.

نویسندگان

شهاب کاوه کار

دانشجوی دکتری منابع آب ، گروه مهندسی آب دانشگاه تبریز

سمیرا نعمتی

کارشناس ارشد مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز،

عاطفه ازانی

دانشجوی کارشناسی ارشد منابع آب، دانشگاه تبریز،

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 :
  • Hornik K .Some new results on neural network approximation, Neural ...
  • Khu ST, Liong SY, Babovic V, Madsen H, Muttil N. ...
  • International Conference _ Civil Engineering Architecture & Urban Sustainable Development ...
  • Liong SY, Gautam TR, Khu ST, Babovic V, Keijzer M, ...
  • Aytek A, Kisi O, A genetic programming approach to suspended ...
  • Alvisi S, Mascellani G, Franchini M, Bardossy A. Water level ...
  • Rahmstorf S. A semi empirical approach to projecting future sea ...
  • Makarynskyy O, Makarynska D, Kuhn M, Featherstone WE. Predicting sea ...
  • Ustoorikar K, Deo MC. Filling up gaps in wave data ...
  • Ghorbani MA, Khatibi R, Aytek A, Makarynskyy O, Shiri J. ...
  • Ghorbani MA, Makarynskyy O, Shiri J, Makarynska D. Genetic Programming ...
  • Borelli A, De Falco I, Della CA, Nicodemi M, Trautteur ...
  • Ferreira C. Gene expression programming: a new adaptive algorithm for ...
  • International Conference _ Civil Engineering Architecture & Urban Sustainable Development ...
  • نمایش کامل مراجع