بررسی عملکرد مدلهای ترکیبی شبکه موجک عصبی و برنامهریزی بیان ژن در مدل سازی بارش ماهانه مطالعه موردی
Publish place: 10th International Congress on Civil Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 805
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCE10_0381
تاریخ نمایه سازی: 19 تیر 1394
Abstract:
مدلسازی وضعیت بارش درمنابع آب نقش بسیارحیاتی به عهده دارد پیش بینی بارندگی برای برنامه ریزی منابع آب خصوصا دردوره های خشکسالی و جلوگیری ازخسارت ناشی ازآن میتواند نقش اساسی داشته باشد باتوجه به پیشرفت تکنولوژی اگرچه این مدلسازی و پیش بینی دردامنه زمان و مکان امری محال نیست ولی ازپیچیدگی های بسیاری برخوردار است دراین تحقیق مدلسازی بارش ماهانه ازسه منظر مورد بررسی قرارگرفت : نوع ورودی و ترکیب آنها : در6ترکیب متفاوت ورودی، علاوه بربارش ماهانه ازپارامتر های دما فشارورطوبت استفاده شد /روش مدلسازی : درتحلیل حاضر ازشبکه عصبی مصنوعی پرسپترون چندلایه و ساختاردرختی برنامه ریزی بیان ژن استفاده شد /گسسته سازی : دونوع موجک مادر متفاوت به منظور برسی بهبود کارایی مدلها به کارگرفته شد تحقیق حاضر در2ایستگاه اصلی سینوپتیکی استان اذربایجان شرقی شامل تبریز اهر که دارای اماربارندگی بیش از24سال هستند صورت گرفت و درنهایت عملکرد مدلها توسط شاخص های اماری ضریب همبستگی r و جذرکمترین مربعات خطا rmse ارزیابی گردید نتایج حا صل حاکی ازدقت مطلوب مدل ترکیبی موجک - شبکه عصبی درمدلسازی بارش ماهانه می باشد
Keywords:
Authors
یوسف حسن زاده
گروه آب دانشکده عمران دانشگاه تبریز
آرش یاقوتی
گروه آب دانشکده فنی دانشگاه آزاد اسلامی واحد اهر
پیمان یوسفی
گروه آب دانشکده عمران دانشگاه تبریز
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 :