پیش بینی بارش ماهانه با استفاد از مدل های هوش مصنوعی GEP و ANN (مطالعه موردی: ایستگاه هواشناسی رشت)
Publish place: 6th Iranian National Water Resources Management Conference
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,482
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WRM06_007
تاریخ نمایه سازی: 6 بهمن 1395
Abstract:
پیش بینی بارش در بسیاری جنبه های مختلف مدیریت حوضه ها نظیر سیستم های هشدار سیل و خشکسالی اهمیت دارد. همچنین تغییرات زمانی و مکانی بارش موجب دشوار شدن پیش بینی بارش شده است. میزان بارش به متغیرهای زیادی نظیر دما، رطوبت، تبخیر، سرعت باد و غیره بستگی دارد. در این تحقیق داده های باران، رطوبت، تبخیر و دمای ایستگاه رشت، برای پیش بینی بارش ماهانه با استفاده از مدل های هوشمند شبکه عصبی (ANN) و برنامه ریزی بیان ژن (GEP)، به کار برده شده است. چون ورودی ها و خروجی مدل های پیش بینی دارای واحدهای مختلفی بودند، لذا تمام داده ها نرمال گردیدند و سپس دو روش با آماره های مناسب مانند ضریب همبستگی (r)، مجذور میانگین مربعات خطا (RMSE) و میانگین مطلق انحرافات (MAD) ارزیابی و مقایسه شدند. با توجه به معیارهای خطا نتیجه گرفته شد که روش ANN با آماره های RMSE=0/128 و MAD=0/141 و r=0/648 نسبت به مدل GEP با RMSE=0/186 و MAD=0/145 و r=0/639 نتایج بهتری داشته است هر چند که این نتایج بسیار به هم نزدیک می باشند. بنابراین شبکه های عصبی می توانند بارش ماهانه را بهتر از برنامه ریزی ژنتیک پیش بینی کنند.
Authors
عطا امینی
استادیار مرکز تحقیقات منابع طبیعی و کشاورزی کردستان، سنندج
سهیلا زارعی
مهندسی منابع آب، 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 :