ارزیابی مدلهای هوش مصنوعی در مدلسازی جریان رودخانه، مطالعه موردی: رودخانه گاماسیاب
Publish place: Watershed Engineering and Management، Vol: 11، Issue: 4
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 286
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWEM-11-4_011
تاریخ نمایه سازی: 25 بهمن 1399
Abstract:
با پیشبینی جریان رودخانهها علاوه بر مدیریت بهرهبرداری از منابع آب، میتوان حوادث طبیعی نظیر سیل و خشکسالی را نیز پیشبینی و مهار کرد. استفاده از مدلهای جدید در این زمینه میتواند به مدیریت و برنامهریزی صحیح کمک کند. در این مطالعه، به ارزیابی سه مدل به نامهای، برنامهریزی بیان ژن (GEP)، شبکه بیزین (BN) و ماشین بردار پشتیبان (SVM) پرداخته شده است. دادههای مورد استفاده برای این پژوهش، دادههای بارش و جریان روزانه رودخانه گاماسیاب نهاوند در یک دوره 10 ساله (1391-1381) میباشد. نتایج نشانگر برتری نسبی مدل برنامهریزی بیان ژن نسبت به بقیه مدلها بود و مدل ماشین بردار پشتیبان (SVM) تقریبا عملکرد بهتری نسبت به شبکه بیزین در مدلسازی جریان روزانه رودخانه داشت. علاوه بر این، سرعت اجرای مدل برنامهریزی بیان ژن نسبت به بقیه مدلها بیشتر بود و در زمان کوتاهی قادر به ارائه نتایج بود. همچنین، مدل SVM در تخمین مقادیر کمینه پایانی نیز دچار بیش برازش شده است. در نهایت مدل برنامهریزی بیان ژن با ضریب تبیین 0.9230 و جذر میانگین مربعات 0.5867 در مرحله آموزش و ضریب تبین 0.9025 و جذر میانگین مربعات 0.4936 در مرحله تست، بهعنوان مدل برتر انتخاب شد.
Keywords:
Authors
معصومه زینعلی
دانشگاه رازی کرمانشاه
محمد رضا گلابی
دانشگاه شهید چمران
محمد رضا شریفی
دانشگاه شهید چمران اهواز
مریم حافظ پرست
دانشگاه رازی