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:

لینک ثابت به این Paper:

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.  

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 :
  • Beriro, D.J., Abrahart, R.J., Paul Nathanail, C. (۲۰۱۳). “Comparison of ...
  • Cortes, C., Vapnik. V. (۱۹۹۵). Support-Vector Networks. Machine Learning ۲۰: ...
  • Fallah-Mehdipour, E., Bozorg Haddad, O., Mariño, M.A. (۲۰۱۳). Prediction and ...
  • Ferreira, C. (۲۰۰۱). Gene expression program-ming a new adaptive algorithm ...
  • Ferreira, C. (۲۰۰۶). Gene expression program-ming: mathematical modeling by an ...
  • George, Jany., Letha, J., Jairaj, P.G . (۲۰۱۴). Daily Rainfall ...
  • Badr, H.S., Zaitchik, B.F. (۲۰۱۴). Application of Statistical Models to ...
  • Kashid, S.S., Maity, R. (۲۰۱۲). Prediction of monthly rainfall on ...
  • Nourani, V., Komasi, M. (۲۰۱۳). A geomo-rphology-based ANFIS model for ...
  • Shiri, J., Kişi, Ö. (۲۰۱۱). Comparison of genetic programming with ...
  • Shiri, J., Kisi, O., Yoon, H., Lee, K.K., Hossein Nazemi, ...
  • Shoaib, M., Shamseldin, A.Y.,. Melville, B.W Khan, M.M. (۲۰۱۵). Runoff ...
  • Solgi, A., Nourani V., Pourhaghi, A. (۲۰۱۴). Forecasting Daily Precipitation ...
  • Solgi, A., Radmanesh, F., Pourhaghi, A.,. Bagherian Marzouni, M. (۲۰۱۴). ...
  • Sujay Raghavendra, N., Paresh Chandra, D. (۲۰۱۴). Support vector machine ...
  • Tripathi, S., Srinivas, V.V., Nanjundiah, R. S. (۲۰۰۶). Downscaling of ...
  • احمدی، ف.، رادمنش، ف.، میرعباسی نجف آبادی. (۱۳۹۳). مقایسه روشهای ...
  • خلیلی، ن.، خداشناس، س.ر.، داوری، ک.، موسوی بایگی، م. (۱۳۷۸). ...
  • داننده مهر، ع.، مجدزاده، م.ر. (۱۳۸۹). بررسی تاثیرتوالی دبی روزانه ...
  • فالح قالهری، غ.ع.، موسوی بایگی، س.م.، نوخندان، حبیبی نوخندان،م. (۱۳۸۸). ...
  • قلی زاده، م.ح.، دارند، م. (۱۳۸۹). پیش بینی بارش ماهانه ...
  • نمایش کامل مراجع