پیش بینی بارش ماهانه با استفاد از مدل های هوش مصنوعی GEP و ANN (مطالعه موردی: ایستگاه هواشناسی رشت)
محل انتشار: ششمین کنفرانس ملی مدیریت منابع آب ایران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,266
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله 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
چکیده مقاله:
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.
نویسندگان
عطا امینی
استادیار مرکز تحقیقات منابع طبیعی و کشاورزی کردستان، سنندج
سهیلا زارعی
مهندسی منابع آب، دانشگاه تبریز
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 :