پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)
روش های متعددی هم چون مدل سری های زمانی، شبکه های عصبی مصنوعی، منطق فازی، نرو فازی و برنامه ریزی ژنتیک برای پیش بینی جریان رودخانه به کار می رود. در تحقیق حاضر از روش نوین برنامه ریزی ژنتیک جهت پیش بینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری 1376 تا 1380 استفاده شد. هم چنین نقش حافظه در کاهش یا افزایش دقت پیش بینی مورد بررسی قرار گرفت. جهت مدل سازی جریان رودخانه با برنامه ریزی ژنتیک از حافظه های دبی یک روز قبل، دو روز قبل،... و پنج روز قبل استفاده شد و نتایج بر اساس شاخص های آماری جذر میانگین مربعات خطا و ضریب همبستگی مورد بررسی قرار گرفت. نتایج تا حافظه دبی چهار روز قبل، رو به بهبود بوده و بعد از آن رو به نزول گذاشت. جهت بررسی بیشتر این فرایند از مدل شبکه های عصبی مصنوعی نیز استفاده گردید. برای مدل شبکه های عصبی، ساختارهای مختلفی مورد بررسی قرار گرفت که ساختار با چهار نرون در لایه ورودی و شش نرون در لایه پنهان و یک نرون در لایه خروجی، بهترین نتایج را داد. برای مدل شبکه های عصبی مصنوعی نیز حافظه تا دبی چهار روز قبل رو به بهبود بوده و بعد از آن رو به نزول می گذارد. در مقایسه نتایج دو مدل، در مورد حالت بهینه مدل برنامه ریزی ژنتیک، ضریب همبستگی و جذر میانگین مربعات خطا برای آموزش به ترتیب 959/. و 029/0 و برای حالت بهینه مدل شبکه های عصبی مصنوعی به ترتیب 948/. و 215/. می باشد. لذا برنامه ریزی ژنتیک از دقت بیشتری نسبت به مدل شبکه های عصبی مصنوعی برخوردار بوده و به عنوان روشی مناسب و دقیق جهت پیش بینی پیشنهاد می گردد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.