این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی آبیاری و آب ایران، جلد ۹، شماره ۳، صفحات ۱-۱۷
عنوان فارسی ارزیابی مدل‌های ژنتیکی جهت مدل‌سازی جریان رودخانه
چکیده فارسی مقاله پیش­بینی جریان رودخانه­ها به عنوان یکی از منابع اصلی تأمین کننده آب بشر، همواره یکی از موضوعات مهم مورد بحث در هیدرولوژی و منابع آب بوده است. بدین جهت، مدل­های مختلفی برای مدل­سازی و پیش­بینی جریان رودخانه­ها مورد استفاده قرار گرفته است. در این مطالعه، به ارزیابی دو مدل ژنتیکی به نام­های برنامه­ریزی ژنتیک و برنامه­ریزی بیان ژن پرداخته شده است. برای این منظور، با استفاده از داده­های روزانه جریان، دما، بارش و تبخیر در ایستگاه تله­زنگ اقدام به مدل­سازی جریان رودخانه دز شده است. نتایج نشان داد که مدل برنامه­ریزی بیان ژن با ضریب تبیین 86/0 و جذر میانگین مربعات خطای 0030/0(مترمکعب در ثانیه) نسبت به مدل برنامه­ریزی ژنتیک با ضریب تبیین 85/0 و جذر میانگین مربعات خطای 0037/0(مترمکعب در ثانیه) دارای عملکرد بهتری می­باشد. علاوه بر این، سرعت اجرای مدل برنامه­ریزی بیان ژن نسبت به مدل برنامه­ریزی ژنتیک بیشتر بوده و در زمان کوتاهی قادر به ارائه نتایج می­باشد. با افزایش تعداد داده­های ورودی مدل برنامه­ریزی ژنتیک کند شده و گاهی قادر به ارائه نتایج نمی­باشد درحالی­که مدل برنامه­ریزی بیان ژن این قابلیت را دارد که با تعداد ورودی­ها و داده­های بیشتر، نیز عمل مدل­سازی را انجام دهد. به­طورکلی نتایج نشان داد که مدل برنامه­ریزی بیان ژن برای مدل­سازی و پیش­بینی جریان رودخانه قابلیت خوبی دارد.
کلیدواژه‌های فارسی مقاله کلیدواژه، مدل GEP، مدل GP، مدل‌سازی جریان رودخانه، رودخانه دز،
عنوان انگلیسی 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,
چکیده انگلیسی مقاله 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.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله صابر علیدادی ده کهنه |
اهواز سازمان آب و برق خوزستان.، معاونت آبرسانی

اباذر سلگی |
، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

مهرنوش شهنی دارابی |
دکتری مهندسی منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

حیدر زارعی |
استادیار گروه هیدرولوژی و منابع آب دانشگاه شهید چمران

نشانی اینترنتی http://www.waterjournal.ir/article_88628_1619d1e439ddeec2bf0ab107cc63ca15.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1222/article-1222-1597308.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات