کاربرد الگوریتم ژنتیک در مدل کردن بارش – رواناب

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 643

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCPDA01_1867

تاریخ نمایه سازی: 12 دی 1393

چکیده مقاله:

در دهه های اخیر به دلیل اهمیت یافتن مسئله آب و همینطور افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش ،توسعه و اجرای روشهای مناسب برای پیش بینی رواناب از روی داده های بارش به مسئله ای ضروری تبدیل شدهاست.برنامه ریزی و مدیریت منابع آب با تمام پیچیدگی ها و مشکلات آن می تواند نقش بسیار مهمی در ارتقاء شاخصهایآبی داشته باشد.از طرفی عدم برآورد دقیق رواناب حاصل از بارش در حوضه های آبریز،یکی از عواملی است که می تواندمدیریت و برنامه ریزی صحیح را در جهت بهره برداری از منابع بهینه آبی دچار مشکل کند.علی رغم آنکه تغییرات گستردهمیزان بارش در نقاط مختلف و عدم امکان نصب ایستگاههای اندازه گیری در تمامی حوضه ها،استفاده از مدل ها و روابطمختلفی را موجب شده.مدل های بارش-رواناب برای محاسبه رواناب حاصل از بارش در یک حوضه آبریز به کار میروند.مدل الگوریتم ژنتیک یکی از مدل های بارش-رواناب است که دارای نتایج بسیار خوبی در مدل کردن رواناب حاصل ازبارش در حوضه های مختلف بوده است.که ما در این تحقیق از آن استفاده کرده ایم . اطلاعاتی که ما باید داشته باشیمعبارتند از بارش دما و رواناب روزانه... .برنامه ریزی ژنتیک علاوه بر توانایی استخراج رابطه ی بین متغیرهای ورودی وخروجی به طور خودکار و هوشمند ، متغیر هایی که در مدل بیشترین تاثیر را دارند انتخاب می کند.

نویسندگان

مهدی وهابی

دانشجوی کارشناسی ارشد عمران-سازه های هیدرولیکی ، دانشگاه آزاد اسلامی واحد لارستان

نادر برهمند

استادیار گروه عمران ،دانشگاه آزاد اسلامی واحد لارستان

مهرداد فریدونی

استادیار گروه عمران ،دانشگاه آزاد اسلامی واحد لارستان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :