مقاله ارزیابی قابلیت مدلهای هوشمند درتخمین جریان رودخانه قوره چای

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله ارزیابی قابلیت مدلهای هوشمند درتخمین جریان رودخانه قوره چای دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارزیابی قابلیت مدلهای هوشمند درتخمین جریان رودخانه قوره چای  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ارزیابی قابلیت مدلهای هوشمند درتخمین جریان رودخانه قوره چای،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارزیابی قابلیت مدلهای هوشمند درتخمین جریان رودخانه قوره چای :

تعداد صفحات:۱۷
چکیده:
تخمین میزان دبی جریان رودخانه ها به منظور مدیریت و برنامه ریزی منابع آب در رودخانه ها دریاچه ها مخازن سدها، کنترل سیلاب ها و همچنین جهت حفاظت از کناره های رودخانه در زمان وقوع سیلاب بسیار ضروری می باشد .هدف از این تحقیق بررسی قابلیت مدل های هوشمند از قبیل برنامه ریزی ژنتیک شبکه عصبی مصنوعی به منظور تخمین دبی در رودخانه مهاباد چای بوده است. در این راستا، داده های مربوط به سال های ۱۳۸۵-۱۳۸۹ دبی روزانه جریان رودخانه در ایستگاه هیدرومتری گردیعقوب واقع بر رودخانه مهاباد چای در استان آذربایجان غربی مورد استفاده قرار گرفت اگرچه در دهه اخیر تحقیقات متنوعی در خصوص کاربرد مدل های هیدرولوژیکی جعبه سیاه متکی بر شبکه های عصبی مصنوعی و برتری دقت این مدل ها بر روابط تجربی ارائه شده است ولی به دلیل غیرصریح بودن آنها در عمل به طور مناسب توسعه نیافته است در تحقیق حاضر رابطه صریح ریاضی با استفاده از برنامه ریزی ژنتیک برای تخمین میزان دبی جریان رودخانه ها ارائه شده است . و در مدل های مورد استفاده برای تخمین دبی جریان از داده های دبی جریان روزانه پیشین تا ۱۰ تاخیر زمانی در مقیاس روز در نظر گرفته شده است .که با استفاده از نرم افزار SPSS بهترین ترکیب مدل ها در ۶ نوع داده متفاوت استفاده و با یک فرآیند آموزش عمل تخمین انجام گرفت نتانیج با داده های مشاهداتی توسط معیارهای جذر میانگین مربعات خطا RMSE و ضریب تعیین R2 برای ارزیابی دقت مدل ها مورد بررسی و مقایسه قرار گرفت نتایج حاصل حاکی از دقت بالای شبکه عصبی مصنوعی در مقایسه با برنامه ریزی ژنتیک و کارایی آن در تخمین میزان دبی جریان رودخانه ها می باشد