تخمین نوسانات سطح آب زیر زمینی با استفاده از برنامه ریزی ژنتیک
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 724
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CESET01_197
تاریخ نمایه سازی: 14 آذر 1394
Abstract:
روشهای متعددی همچون شبکه های عصبی مصنوعی، منطق فازی، نروفازی وبرنامه ریزی ژنتیک برای پیش بینی نوسانات سطح آب زیرزمینی به کارمی رود. برنامه ریزی ژنتیک علاوه برتوانایی استخراج رابطه ی بین متغییرهای وروردی وخروجی به طورخودکار وهوشمند، متغیرهای که درمدل بیشترین تاثیررادارند انتخاب می کند. درتحقیق حاضرازروش برنامه ریزی ژنتیک جهت پیش بینی ماهانه سطح ایستایی آبخوان دشت دوزدوزان درحوضه آبریز دریاچه ارومیه طی دوره آماری 1382 تا 1391 استفاده شد.داده های ماهانه سطح آب زیرزمینی، بارش و تبخیر باالگوهای مختلف به عنوان ورودی مدل بکار برده شدندو بهترین الگوی ورودی بدست آمد. برای انجام مدل سازی بابرنامه ریزی ژنتیک ازچهارعملگر+، -،x، / ، استفاده شده است. جهت بررسی بیشتر ازمدل شبکه های عصبی مصنوعی نیز استفاده گردید. شبکه پرسپترون چندلایه با الگوریتم لونبرگ – مارکورات برای انجام مدلسازی انتخاب شد. برای مدل شبکه های عصبی، ساختارهای مختلفی موردبررسی قرارگرفت، که ساختارشبکه سه لایه باسه نرون درلایه ورودی ودونرون درلایه پنهان ویک نرون درلایه خروجی، بهترین نتایج راداد. نتایج دومدل براساس شاخص های آماری جذر میانگین مربعات خطاوضریب همبستگی موردارزیابی شدند.نتایج نشان می دهدکه برنامه ریزی ژنتیک ازدقت بیشتری نسبت به مدل شبکه های عصبی مصنوعی برخورداربوده وبه عنوان روشی مناسب ودقیق حهت پیش بینی پیشنهاد می گردد
Keywords:
Authors
کیوان نادری
دانشجوی دکتری هیدروزئولوژی دانشگاه تبریز
عطالله ندیری
استادیار هیدروژئولوزی دانشکده علوم طبیعی دانشگاه تبریز
اصغر اصغری مقدم
استاد هیدروزئولوژی دانشکده علوم طبیعی 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 :