تخمین بارش درازمدت شهر بابلسر با استفاده از برنامه ریزی بیان ژن بهینه یافته
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 60
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-13-2_011
تاریخ نمایه سازی: 29 آذر 1401
Abstract:
تخمین و شبیهسازی بارندگی یکی از مهمترین حوزههای علم هیدرولوژی محسوب میشود. در این مطالعه، برای اولین بار بارش دراز مدت شهر بابلسر در یک بازه ۶۸ ساله از سال ۱۹۵۱ تا ۲۰۱۹ بهصورت ماهانه توسط یک مدل هوش مصنوعی ترکیبی بهینهیافته پیشبینی شد. برای انجام اینکار، مدل برنامه ریزی بیان ژن (GEP) با تبدیل موجک (WT) ترکیب شدند. برای آموزش مدلهای هوش مصنوعی از ۷۰ درصد مقادیر مشاهداتی و برای آزمون آنها از ۳۰ درصد باقیمانده استفاده گردید. همچنین، با استفاده از تابع خود همبستگی (ACF) تاخیرهای موثر دادههای سری زمانی شناسایی شدند و با استفاده از آنها، شش مدل GEP مختلف توسعه داده شدند. تعداد ژنهای بهینهسازی شده مدل GEP مساوی با چهار انتخاب گردید. علاوه بر این تابع Multiplication بهعنوان بهترین تابع اتصال مدل GEP معرفی گردید. مدل برتر GEP با انجام یک تحلیل حساسیت معرفی شد که مقادیر ضریب همبستگی (R) و شاخص پراکندگی (SI) آن بهترتیب مساوی با ۵۷۱/۰ و ۷۹۲/۰ محاسبه شدند. تاخیرهای شماره (t-۱)، (t-۲)، (t-۱۲) و (t-۲۴) بهعنوان موثرترین تاخیرهای دادههای سری زمانی معرفی شدند. لازم به ذکر است که در بین موجکهای مادر مختلف، coif بهعنوان موجک مادر برتر معرفی شد و سپس با مدل GEP ترکیب گردید. مدل ترکیبی WGEP مقادیر بارشها را با دقت قابل قبولی شبیهسازی کرد. به عبارت دیگر، تبدیل موجک دقت مدل سازی را به شکل محسوسی بهبود بخشید. بهعنوان مثال مقدار شاخص عملکرد (VAF) برای مدل GEP و WGEP بهترتیب مساوی با ۷۱۰/۳۱ و ۰۶۴/۸۲ بودند.
Keywords:
Authors
یوسف اسماعیلی
دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
احمد رجبی
گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
فریبرز یوسفوند
گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
سعید شعبانلو
دانشیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران