کاربرد مدل های برنامه ریزی بیان ژن و ماشین بردار رگرسیونی جهت مدل سازی و پیش بینی بارش ماهانه
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 357
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGSKH-18-50_006
تاریخ نمایه سازی: 24 خرداد 1400
Abstract:
برآورد و پیشبینی بارش و دستیابی به مقدار رواناب ناشی از آن، نقش اساسی و موثری را در مدیریت و بهرهبرداری صحیح از حوضه، مدیریت سدها و مخازن، به حداقل رساندن خسارات ناشی از سیلاب، خشکسالی و مدیریت منابع آب ایفا میکند و به همین دلیل مورد توجه هیدرولوژیستها میباشد. عملکرد خوب مدلهای هوشمند باعث افزایش استفاده از آنها برای پیشبینی پدیدههای مختلف هیدرولوژیکی شده است. لذا در پژوهش حاضر، از دو مدل هوشمند به نامهای برنامهریزی بیانژن و ماشین بردار رگرسیونی برای پیشبینی بارش ماهانه شهرستان نهاوند استفاده شد. در این مطالعه از دادههای بارش، دما و رطوبتنسبی ماهانه ایستگاه وراینه در یک دوره ۳۲ ساله (۱۳۹۳-۱۳۶۲) استفاده شد. نتایج به دست آمده نشان داد که عملکرد هر دو مدل خوب و مشابه بوده (ضریب همبستگی حدود ۹۲/۰) ولی با توجه به بررسی معیارهای ارزیابی مختلف، مدل برنامهریزی بیانژن عملکرد کمی بهتر داشته است (جذر میانگین مربعات خطا به ترتیب ۰۴۷۸/۰ و ۰۴۸۶/۰). این در حالی است که مدل ماشین بردار رگرسیونی دارای مزیت سهولت در اجرای مدل میباشد. به طورکلی میتوان گفت که مدل برنامهریزی بیان ژن برای مدلسازی بارش ماهانه ایستگاه وراینه در شهرستان نهاوند مناسب بوده است. در پایان مقدار بارش ماهانه برای سال ۱۳۹۴ با مدل برنامهریزی بیان ژن پیشبینی شد که نشان از کاهش مقدار بارش در سال ۱۳۹۴ نسبت به سالهای قبل داشت.
Keywords:
Modeling monthly precipitation , Gene Expression Programming , Support Vector Regression , Nahavand City. , مدل سازی بارش ماهانه , برنامه ریزی بیان ژن , ماشین بردار رگرسیونی , شهرستان نهاوند.
Authors
اباذر سلگی
Shahid Chamran University of Ahvaz
حیدر زارعی
Shahid Chamran University of Ahvaz
مهرنوش شهنی دارابی
شرکت آب غدیر اهواز
صابر علیدادی ده کهنه
سازمان آب و برق خوزستان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :