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

پیش بینی غلظت TDS رودخانه ی زرینه رود بر مبنای کمترین تعداد پارامتر ورودی به کمک برنامه ریزی ژنتیک

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۲۵۰ | نظرات: ۰
سرفصل ارائه مقاله: برنامه ریزی و آمایش سرزمین
سال انتشار: ۱۳۹۲
کد COI مقاله: ESPME03_444
زبان مقاله: فارسی
حجم فایل: ۷۱۸.۵۳ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۹ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی غلظت TDS رودخانه ی زرینه رود بر مبنای کمترین تعداد پارامتر ورودی به کمک برنامه ریزی ژنتیک

  مهدی حسامی افشار - دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه ارومیه،
  کیوان خلیلی - استادیار گروه مهندسی آب، دانشگاه ارومیه،
  توحید علیقلی نیا - دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه ارومیه،
  سروین زمانزاد قویدل - دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه ارومیه،

چکیده مقاله:

دریاچه ارومیه یکی از مهمترین و ارزشمند ترین زیست بوم های آبی ایران است. این دریاچه به دلیل برخوردار بودن از ارزش های بی نظیر طبیعی و اکولوژیک به عنوان پارک ملی، سایت رامسر و ذخیره گاه زیست کره یونسکو معرفی شده است[11]. با توجه به شرایط اکولوژیکی و جغرافیایی این دریاچه در طی سالهای اخیر، پیش­بینی دقیق کیفیت آب رودخانه های منتهی به این دریاچه یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی می باشد. تاکنون تحقیقات وسیعی در خصوص کاربرد روش های هوش مصنوعی و برنامه ریزی ژنتیک و برتری دقت این روش ها بر روشهای متداول آماری در دهه های اخیر ارائه شده است. در تحقیق حاضر از روش برنامه ریزی ژنتیک با در نظر گرفتن کمترین مقدار به عنوان پارامترهای ورودی مدل برای پیش بینی مقدار غلظت املاح محلول در رودخانه استفاده گردید. بدین منظور از روش رگرسیون گام به گام استفاده شد. نتایج رگرسیون گام به گام نشان داد 3 پارامتر Na+، Ca++ و Mg++ دارای بیشترین سطح معنی داری نسبت به دیگر پارامترها در پیش بینی مقدار TDS می باشند. همچنین نتایج مربوط به برنامه ریزی ژنتیک نیز حاکی از آن می باشد که می توان در بررسی ها و تخمین پارامتر غلظت املاح محلول از آن به عنوان یک ابزار مناسب استفاده نمود.

کلیدواژه‌ها:

برنامه ریزی ژنتیک ، رگرسیون گام به گام ، غلظت املاح محلول ، دریاچه ارومیه ، زرینه رود

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:
https://www.civilica.com/Paper-ESPME03-ESPME03_444.html
کد COI مقاله: ESPME03_444

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حسامی افشار, مهدی؛ کیوان خلیلی؛ توحید علیقلی نیا و سروین زمانزاد قویدل، ۱۳۹۲، پیش بینی غلظت TDS رودخانه ی زرینه رود بر مبنای کمترین تعداد پارامتر ورودی به کمک برنامه ریزی ژنتیک، سومین کنفرانس برنامه ریزی و مدیریت محیط زیست، تهران، دانشگاه تهران، https://www.civilica.com/Paper-ESPME03-ESPME03_444.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حسامی افشار, مهدی؛ کیوان خلیلی؛ توحید علیقلی نیا و سروین زمانزاد قویدل، ۱۳۹۲)
برای بار دوم به بعد: (حسامی افشار؛ خلیلی؛ علیقلی نیا و زمانزاد قویدل، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Aytek, A; Alp, M: 2008. An application of artificial intelligence ...
  • Borelli, A. DeFalco I, Della CA, Nicodemi N and Trautteur ...
  • Coulibaly, P; Anctil, F; Aravena, R; Bobee, B: 2001. Artificial ...
  • Hashmi, M.Z; Shamseldin, A.Y; Melville, B.W: 2011. Statistical downscaling of ...
  • Guven, A: 2009. Linear genetic programming for time-series modeling of ...
  • Goyal, M.K; Ojha, C.S.P: 2011. Estimation of scour downstream of ...
  • Guven, A; Gunal, M: 2008. Genetic programming approach for prediction ...
  • Guven, A; Talu, N.E: 2010. Gene -expression programming for estimating ...
  • Gildal, V; Tongal, H: 2010. Comparison of recurrent neural network, ...
  • Inbook, George C. S. Wang, Chaman L. Jain, 2003, Regression ...
  • Integrated Management Plan For Lake Urmia Basint Saving Wetlands, For ...
  • Khu, S.T; Liong, S.Y; Babovic, V; Madsen, H; Muttil, N: ...
  • Kisi, O: 200)6. Daily pan evaporation modeling using a neuro-fuzzy ...
  • Kisi, O: 2007. Ev ap otranspiration modeling from climate data ...
  • Kisi, O: 2007. Streamflow forecasting using different artificial neural network ...
  • Kisi, O; Shiri, J; Nikoofar, B: 2012. Forecasting daily lake ...
  • Kisi, O: Shiri, J: Tombul, M: 2013. Modeling rainfall-runof process ...
  • Kumar, M; Raghuwanshi, N.S; Singh, R; Wallender, W.W; Pruitt, W.O: ...
  • Liong, S.Y; Gautam, T.R; Khu, S.T; Babovic, V; Keijzer, M; ...
  • Sanikhani, H; Kisi, O: 2012. River _ Estimation and Forecasting ...
  • Shiri, J; Kisi, O; Landeras, G; Lopez, J.J; Nazemi, A.H; ...
  • Sighn, K.P; Basant, A; Malik, A; Jain, G: 2009. Artificial ...
  • Wu, H.J; Lin, Z.Y; Guo S.L, 2000). The application of ...
  • Xiang, S.L; Liu, Z.M; Ma L.P: 206. Study of multivariac ...
  • فربودنام، ن؛ قربانی، م؛ ع.؛ اعلمی، م: ۱۳۸۸، « پیش‌بینی ... (مقاله ژورنالی)
  • احمدی، فرشاد، دین پژوه، یعقوب، فاخری فرد، احمد و خلیلی، ... [مقاله کنفرانسی]
  • Mehdi Hesamiafsharc &#۰۳۹;, Keyvan Khalili;, Tohid Aligholinia", Sarvin Zamanzad ghavide" ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۸۵۰۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده 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

    مقالات مرتبط جدید

    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.