بررسی عملکرد مدلهای ترکیبی شبکه موجک عصبی و برنامهریزی بیان ژن در مدل سازی بارش ماهانه مطالعه موردی

  • سال انتشار: 1394
  • محل انتشار: دهمین کنگره بین المللی مهندسی عمران
  • کد COI اختصاصی: ICCE10_0381
  • زبان مقاله: فارسی
  • تعداد مشاهده: 944
دانلود فایل این مقاله

نویسندگان

یوسف حسن زاده

گروه آب دانشکده عمران دانشگاه تبریز

آرش یاقوتی

گروه آب دانشکده فنی دانشگاه آزاد اسلامی واحد اهر

پیمان یوسفی

گروه آب دانشکده عمران دانشگاه تبریز

چکیده

مدلسازی وضعیت بارش درمنابع آب نقش بسیارحیاتی به عهده دارد پیش بینی بارندگی برای برنامه ریزی منابع آب خصوصا دردوره های خشکسالی و جلوگیری ازخسارت ناشی ازآن میتواند نقش اساسی داشته باشد باتوجه به پیشرفت تکنولوژی اگرچه این مدلسازی و پیش بینی دردامنه زمان و مکان امری محال نیست ولی ازپیچیدگی های بسیاری برخوردار است دراین تحقیق مدلسازی بارش ماهانه ازسه منظر مورد بررسی قرارگرفت : نوع ورودی و ترکیب آنها : در6ترکیب متفاوت ورودی، علاوه بربارش ماهانه ازپارامتر های دما فشارورطوبت استفاده شد /روش مدلسازی : درتحلیل حاضر ازشبکه عصبی مصنوعی پرسپترون چندلایه و ساختاردرختی برنامه ریزی بیان ژن استفاده شد /گسسته سازی : دونوع موجک مادر متفاوت به منظور برسی بهبود کارایی مدلها به کارگرفته شد تحقیق حاضر در2ایستگاه اصلی سینوپتیکی استان اذربایجان شرقی شامل تبریز اهر که دارای اماربارندگی بیش از24سال هستند صورت گرفت و درنهایت عملکرد مدلها توسط شاخص های اماری ضریب همبستگی r و جذرکمترین مربعات خطا rmse ارزیابی گردید نتایج حا صل حاکی ازدقت مطلوب مدل ترکیبی موجک - شبکه عصبی درمدلسازی بارش ماهانه می باشد

کلیدواژه ها

مدلسازی بارش , برنامه ریزی بیان ژن , مدل ترکیبی عصبی - موجک

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.