مقاله شبیه سازی و پیش بینی آبدهی با استفاده از الگوریتم ترکیبی ANN-GA

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

  مقاله شبیه سازی و پیش بینی آبدهی با استفاده از الگوریتم ترکیبی ANN-GA دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله شبیه سازی و پیش بینی آبدهی با استفاده از الگوریتم ترکیبی ANN-GA  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 شبیه سازی و پیش بینی آبدهی با استفاده از الگوریتم ترکیبی ANN-GA،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله شبیه سازی و پیش بینی آبدهی با استفاده از الگوریتم ترکیبی ANN-GA :

مقاله شبیه سازی و پیش بینی آبدهی با استفاده از الگوریتم ترکیبی ANN-GA که چکیده‌ی آن در زیر آورده شده است، در آذر و دی ۱۳۸۹ در آب و خاک (علوم و صنایع کشاورزی) از صفحه ۹۴۲ تا ۹۵۴ منتشر شده است.
نام: شبیه سازی و پیش بینی آبدهی با استفاده از الگوریتم ترکیبی ANN-GA
این مقاله دارای ۱۳ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله شبکه عصبی مصنوعی
مقاله شبیه سازی
مقاله پیش بینی
مقاله آبدهی
مقاله بهینه یابی
مقاله الگوریتم ژنتیک

چکیده و خلاصه‌ای از مقاله:
به منظور تعیین آبدهی رودخانه ها در آینده و برنامه ریزی جهت مصرف آب، از مدل هایی جهت پیش بینی این مقادیر استفاده می گردد. همچنین جهت تصحیح، تدقیق، تطویل، تکمیل و یا بازسازی داده ها، مدل های شبیه سازی مورد استفاده قرار می گیرند. از جمله مدل های تجربی مورد استفاده در این زمینه می توان به شبکه عصبی مصنوعی (ANN) اشاره نمود. در این تحقیق موثر بودن یا نبودن هر یک از عوامل دما، بارش، آبدهی و تاخیرهای زمانی این پارامترها در شبیه سازی و پیش بینی آبدهی رودخانه مورد بررسی قرار گرفته است. به منظور دستیابی آسانتر به این پارامترها و نیز تعیین ترکیب بهینه پارامتر های موثر در واسنجی ضرایب ANN از الگوریتم ژنتیک (GA) به عنوان یک ابزار بهینه سازی استفاده گردیده است. با انجام فرآیند فوق در دو مدل شبیه سازی و پیش بینی جریان، تعداد لایه های مخفی، تعداد نرون های موثر در هر یک از لایه ها، عوامل هواشناسی و هیدرولوژیکی موثر و نیز گام های زمانی مناسب هر یک از این عوامل در شبیه سازی و پیش بینی آبدهی با استفاده از GA به نحوی تعیین می گردد که بهترین حالت در مقادیر شبیه سازی و پیش بینی شده آبدهی حاصل شود. در این تحقیق که در حوضه آبریز رودخانه دز صورت گرفته است، تابع هدف کاهش مقدار میانگین مربعات خطای کل در نظر گرفته شد. مقادیر ضریب همبستگی بین آبدهی های محاسباتی و موجود برای دو مدل شبیه سازی و پیش بینی به ترتیب برابر با ۰۸۶ و ۰۷۹ به دست آمد که بیانگر کارآیی الگوریتم ANN-GA در شبیه سازی و پیش بینی آبدهی با دقت مطلوب می باشد. همچنین نتایج نشان دهنده برتری جواب های به دست آمده از مدل شبیه سازی نسبت به مدل پیش بینی می باشند. از دلایل این برتری می توان به وجود عوامل هواشناسی ماه مورد نظر در تعیین میزان آبدهی اشاره نمود.