ارزیابی مدل های ژنتیکی جهت مدل سازی جریان رودخانه
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 9، شماره: 3
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 711
فایل این مقاله در 17 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_WATER-9-3_001
تاریخ نمایه سازی: 15 تیر 1398
چکیده مقاله:
پیشبینی جریان رودخانهها به عنوان یکی از منابع اصلی تامین کننده آب بشر، همواره یکی از موضوعات مهم مورد بحث در هیدرولوژی و منابع آب بوده است. بدین جهت، مدلهای مختلفی برای مدلسازی و پیشبینی جریان رودخانهها مورد استفاده قرار گرفته است. در این مطالعه، به ارزیابی دو مدل ژنتیکی به نامهای برنامهریزی ژنتیک و برنامهریزی بیان ژن پرداخته شده است. برای این منظور، با استفاده از دادههای روزانه جریان، دما، بارش و تبخیر در ایستگاه تلهزنگ اقدام به مدلسازی جریان رودخانه دز شده است. نتایج نشان داد که مدل برنامهریزی بیان ژن با ضریب تبیین 86/0 و جذر میانگین مربعات خطای 0030/0(مترمکعب در ثانیه) نسبت به مدل برنامهریزی ژنتیک با ضریب تبیین 85/0 و جذر میانگین مربعات خطای 0037/0(مترمکعب در ثانیه) دارای عملکرد بهتری میباشد. علاوه بر این، سرعت اجرای مدل برنامهریزی بیان ژن نسبت به مدل برنامهریزی ژنتیک بیشتر بوده و در زمان کوتاهی قادر به ارائه نتایج میباشد. با افزایش تعداد دادههای ورودی مدل برنامهریزی ژنتیک کند شده و گاهی قادر به ارائه نتایج نمیباشد درحالیکه مدل برنامهریزی بیان ژن این قابلیت را دارد که با تعداد ورودیها و دادههای بیشتر، نیز عمل مدلسازی را انجام دهد. بهطورکلی نتایج نشان داد که مدل برنامهریزی بیان ژن برای مدلسازی و پیشبینی جریان رودخانه قابلیت خوبی دارد.
کلیدواژه ها:
نویسندگان
صابر علیدادی ده کهنه
اهواز سازمان آب و برق خوزستان.، معاونت آبرسانی
اباذر سلگی
، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
مهرنوش شهنی دارابی
دکتری مهندسی منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
حیدر زارعی
استادیار گروه هیدرولوژی و منابع آب دانشگاه شهید چمران
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 :