بررسی کارایی روش های پیش پردازش داده ها در بهبود عملکرد مدل برنامه ریزی بیان ژن (مطالعه موردی: رودخانه آب زال)
Publish place: Journal of Water and Soil، Vol: 35، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 141
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_JSW-35-2_001
تاریخ نمایه سازی: 1 آذر 1400
Abstract:
در این مطالعه سعی گردیده تاثیر کاربرد ضرایب فصلی و روش ریاضی تحلیل و پردازش سیگنال تحت عنوان تبدیل موجک در بهبود عملکرد مدل برنامهریزی بیان ژن (GEP) در پیشبینی جریان ماهانه رودخانه آب زال در دوره آماری ۱۳۵۱ تا ۱۳۹۶ مورد بحث و بررسی قرار گیرد. بدین منظور دادهها در سه حالت مختلف شامل الف) استفاده از دادههای جریان و در نظر گرفتن نقش حافظه تا چهار تاخیر، ب) دخالت دادن ترم پریودیک در دو حالت خطی (α-GEP) و غیرخطی (PT-GEP) و ج) تجزیه دادهها با استفاده از پنج تابع موجک مختلف به دو زیرسری جزئیات و تقریب، آماده و به مدل GEP معرفی گردید. نتایج حاصل از اجرای مدلهای خطی و غیرخطی GEP نشان داد که در هر دو حالت، مدل با چهار تاخیر به بیشترین دقت در پیشبینی جریان رودخانه دست یافته اما عملکرد مدل غیرخطی GEP با توجه به شاخصهای ارزیابی مورد استفاده اندکی بهتر بود. در مرحله بعد ترم پریودیک به ورودیهای مدل افزوده شد. براساس نتایج به دست آمده مدل PT-GEP با الگوی M۴ کمترین خطا و بیشترین دقت را به خود اختصاص داده و توانسته شاخص RMSE را هشت درصد کاهش دهد. سپس در گام سوم دادههای جریان رودخانه با استفاده از توابع موجک تجزیه و مدلهای W-GEP ایجاد گردید. نتایج کلی این پژوهش نشان داد که مدلهای W-GEP از عملکرد بسیار مطلوبی برخوردار بوده به طوری که میتوان از آنها به عنوان یک روش موثر در پیشبینی جریان میانمدت رودخانهها استفاده نمود.
Keywords:
Authors
فرشاد احمدی
گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران
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 :