CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

بررسی قابلیت برنامه ریزی ژنتیک در شبیه سازی سری زمانی آبدهی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۶۴۲ | نظرات: ۰
سال انتشار: ۱۳۹۱
کد COI مقاله: DESERT01_104
زبان مقاله: فارسی
حجم فایل: ۱.۳ مگابات (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله بررسی قابلیت برنامه ریزی ژنتیک در شبیه سازی سری زمانی آبدهی

حبیب اکبری الاشتی - دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آبیاری و آبادانی،
  امید بزرگ حداد (شناسه پژوهشگر - Researcher ID: ۲۰۵۷)
استادیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی دان
جابر رحیمی - دانشجوی کارشناسی ارشد مهندسی هواشناسی کشاورزی، گروه مهندسی آبیاری و

چکیده مقاله:

پیش بینی سری زمانی هیدرولوژیکی در هیدرولوژی نقش مهمی را در مدیریت منابع آب ایفا می نماید و در مدیریت بهینه از این منابع ارزشمند تأثیر بسزایی دارد. این پیش بینی ها در زمینه های مختلفی از هیدرولوژی و مدیریت منابع آب از جمله اتخاذ تدابیر مناسب در برنامه ریزی کشاورزی و کاهش مخاطرات ناشی از سیلاب و خشکسالی ها مورد نیاز می باشند. به همین دلیل همواره هیدرولوژیست ها در تلاش برای بدست آوردن و معرفی روش هایی با کارآیی مطلوب و دقیق در این زمینه بوده اند. از جمله مدل هایی که برای پیش بینی آبدهی رودخانه معرفی شده اند می توان به روش های سری زمانی، شبکه های عصبی مصنوعی (ANNs) و برنامه ریزی ژنتیک (GP) اشاره نمود. در سال های گذشته محققان تحقیقات زیادی در بررسی توانایی این روش ها انجام داده اند که نتایج این تحقیقات حاکی از برتری مدل های مبتنی بر هوش مصنوعی نسبت به روش های سنتی می باشد. در تحقیق حاضر از روش های خود همبسته میانگین متحرک با ورودی های غیر تصادفی (ARMAX)، ANN و GP، برای پیش بینی ماهانه سری زمانی آبدهی رودخانه سعید آباد واقع در استان آذربایجان شرقی استفاده شده است و دقت نتایج حاصله با یکدیگر مورد مقایسه قرار گرفته است. دو معیار ارزیابی کارآیی، ضریب تبیین (R2) و جذر میانگین مربعات خطا (RMSE) برای ارزیابی مدل ها استفاده شده است. نتایج حاکی از آن است که در پیش بینی ماهانه سری زمانی آبدهی رودخانه ها، مدل GP با ضریب تبیینی برابر با 7/0 و جذر میانگین مربعات خطایی برابر با 172/0 در مقایسه با ANN و ARMAX از کارآیی بیشتر و دقت بالاتر برخوردار می باشد.

کلیدواژه‌ها:

برنامه ریزی ژنتیک، پیش بینی آبدهی، شبکه عصبی مصنوعی، ARMAX

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-DESERT01-DESERT01_104.html
کد COI مقاله: DESERT01_104

نحوه استناد به مقاله:

برای بار اول: (اکبری الاشتی, حبیب؛ امید بزرگ حداد و جابر رحیمی، ۱۳۹۱)
برای بار دوم به بعد: (اکبری الاشتی؛ بزرگ حداد و رحیمی، ۱۳۹۱)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.