جستجوی مقالات مرتبط با کلیدواژه

predicting rivers flow

در نشریات گروه آب و خاک

تکرار جستجوی کلیدواژه predicting rivers flow در نشریات گروه کشاورزی

تکرار جستجوی کلیدواژه predicting rivers flow در مقالات مجلات علمی

انتخاب همه

ارزیابی مدل های ژنتیکی جهت مدل سازی جریان رودخانه

صابر علی دادی، اباذر سلگی، مهرنوش شهنی، حیدر زارعی*

مجله مهندسی آبیاری و آب ایران، پیاپی 35 (بهار 1398)، صص 1 -17

پیش بینی جریان رودخانه ها به عنوان یکی از منابع اصلی تامین کننده آب بشر، همواره یکی از موضوعات مهم مورد بحث در هیدرولوژی و منابع آب بوده است. بدین جهت، مدل های مختلفی برای مدل سازی و پیش بینی جریان رودخانه ها مورد استفاده قرار گرفته است. در این مطالعه، به ارزیابی دو مدل ژنتیکی به نام های برنامه ریزی ژنتیک و برنامه ریزی بیان ژن پرداخته شده است. برای این منظور، با استفاده از داده های روزانه جریان، دما، بارش و تبخیر در ایستگاه تله زنگ اقدام به مدل سازی جریان رودخانه دز شده است. نتایج نشان داد که مدل برنامه ریزی بیان ژن با ضریب تبیین 0/86 و جذر میانگین مربعات خطای 0/0030(مترمکعب در ثانیه) نسبت به مدل برنامه ریزی ژنتیک با ضریب تبیین 0/85 و جذر میانگین مربعات خطای 0/0037(مترمکعب در ثانیه) دارای عملکرد بهتری می باشد. علاوه بر این، سرعت اجرای مدل برنامه ریزی بیان ژن نسبت به مدل برنامه ریزی ژنتیک بیشتر بوده و در زمان کوتاهی قادر به ارائه نتایج می باشد. با افزایش تعداد داده های ورودی مدل برنامه ریزی ژنتیک کند شده و گاهی قادر به ارائه نتایج نمی باشد درحالی که مدل برنامه ریزی بیان ژن این قابلیت را دارد که با تعداد ورودی ها و داده های بیشتر، نیز عمل مدل سازی را انجام دهد. به طورکلی نتایج نشان داد که مدل برنامه ریزی بیان ژن برای مدل سازی و پیش بینی جریان رودخانه قابلیت خوبی دارد.

کلید واژگان: مدل GEP، مدل GP، مدل سازی جریان رودخانه، رودخانه دز

چکیده مشاهده متن زبان: فارسی

Banzhaf, W., P. Nordin, P.E. Keller and F.D. Francone. 1998. Genetic programming. Kaufmann M, editor. San Francisco. CA. 512 p.Ferreira, C. 2006. Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence (Studies in Computational Intelligence). ed n, editor. Springer-Verlag New York, Inc. Secaucus, NJ, USA.Ferreira, C. 2001. Gene expression programming: a new adaptive algorithm for solving problems. Complex Syst, 13:87-129.Ghorbani,

Abazar Solgi, Heydar Zarei *, Mehrnoush Shehni, Saber Alidadi

Irrigation & Water Engineering, Volume:9 Issue: 35, 2019, PP 1 -17

Predicting rivers flow, as one of the main resources of water for human beings, has always been one of the important issues discussed in hydrology and water resources. So, different models have been used for modeling and predicting rivers flow.
In this study, two genetic models, Gene Expression Programming (GEP) and genetic programming (GP) were evaluated. Flow, temperature, precipitation, and evaporation data were used to model the daily flow in Tale Zang station. The results showed that GEP model, with R2=0.86 and RMSE=0.0030 m3/s, had the better performance than GP model, with R2=0.85 and RMSE=0.0037 m3/s. Moreover, the speed of GEP was more than GP and had ability to present results in a short time. By increasing the number of data, the speed of GP decreased and sometimes it couldn’t present results, while GEP had the ability to work with more data and model the river flow.

Keywords: Generally, the results showed that GEP model had good ability for modeling, predicting rivers flow

Abstract View Paper Regular Article Original: Persian

نکته

نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

predicting rivers flow