تحلیل فراوانی سیلاب بااستفاده ازالگوریتم فراکاوشی ژنتیک (مطالعه موردی :ایستگاههای هیدرومتری استان کرمان)

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 769

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCWWE01_171

تاریخ نمایه سازی: 6 شهریور 1392

چکیده مقاله:

الگوریتم های فراکاوشی همچون الگوریتم های ژنتیک و بهینه سازی کلونی مورچه ها توجه زیادی را طی سال های اخیر با توجه به قابلیت حل مسائل در مهندسی آب به خود جلب کرده است. در این پروژه به ارزیابی فنون برآورد پارامترها در فراوانی توزیع سیل توسط الگوریتم های مذکور پرداخته شد. دراین تحقیق پارامترهای توزیعهای احتمال داده های 14 ایستگاه هیدرومتری کرمان که از 17 تا 48 سال آمار سیلاب آن هادر دست بود با استفاده ازروش های متداول احتمال حداکثر درست نمایی، گشتاورهاوگشتاورهای وزنی احتمال تخمین زده شدوبانتایج حاصل ازالگوریتم ژنتیک مقایسه گردید. توزیع های احتمال استفاده شده در تحقیق شامل پرتوتعمیم یافته، لجستیک، نرمال، لوگ نرمال دوپارامتره، گاماولوگ پیرسون سه پارامتره می باشد. تابع هدف، حداقل کردن میزان RMSE (جذر میانگین مربعات خطا) و CD (ضریب تعیین) در نظر گرفته شد. پس از آن با استفاده از پارامترهای بدست آمده ازروش الگوریتم ژنتیک دبی های محاسباتی بدست آمدواختلاف آن ها با دبی های مشاهداتی سنجیده و با دبی های محاسباتی روش های قبلی مقایسه گردید. معیارانتخاب بهترین روش تخمین پارامترهای توزیعهای احتمالی، میزان RMSE و CD بوده است. بر این اساس علی رغم این که ضریب تعیین دربعضی مواردبه مقدارخیلی جزیی ازالگوریتم ژنتیک بیشترشده بوداین نتیجه را می توان گرفت که روش فراکاوشی ژنتیک باتوجه به تفاوت چشمگیر RMSE منجربه استخراج پارامترهای مناسبتری دراین زمینه گردیده است.

نویسندگان

فریبا سهیلی

دانشجوی کارشناسی ارشدمنابع آب، دانشگاه آزاد اسلامی کرمان، ایران

نوید جلال کمالی

استادیاربخش مهندسی آب، دانشگاه آزاد اسلامی کرمان، ایران

امیر جلال کمالی

استادیاربخش مهندسی آب، دانشگاه آزاد اسلامی کرمان، ایران

خاطره رضایی

دانشجوی کارشناسی ارشدمنابع آب، دانشگاه آزاد اسلامی کرمان، ایران

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 :