پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)

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

 پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان) دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)  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 پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان) :

نام کنفرانس، همایش یا نشریه : دانش آب و خاک (دانش کشاورزی)

تعداد صفحات :۲۲

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 ۱۳۷۶ تا ۱۳۸۰ 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، روبه 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 روبه 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 ۰.۹۵۹ و ۰.۰۲۹ و برای حالت بهینه مدل شبکه های عصبی مصنوعی به ترتیب ۰.۹۴۸ و ۰.۲۱۵ 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.

کلید واژه: برنامه ریزی ژنتیک، پیش بینی، جریان رودخانه، شبکه های عصبی مصنوعی، لیقوان