مقاله ارزیابی الگوریتم های جستجوی مستقیم و ژنتیک در بهینه سازی پارامترهای مدل غیرخطی ماسکینگام – یک سیلاب از کارون

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

 مقاله ارزیابی الگوریتم های جستجوی مستقیم و ژنتیک در بهینه سازی پارامترهای مدل غیرخطی ماسکینگام – یک سیلاب از کارون دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارزیابی الگوریتم های جستجوی مستقیم و ژنتیک در بهینه سازی پارامترهای مدل غیرخطی ماسکینگام – یک سیلاب از کارون  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 الگوریتم های جستجوی مستقیم و ژنتیک در بهینه سازی پارامترهای مدل غیرخطی ماسکینگام – یک سیلاب از کارون،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارزیابی الگوریتم های جستجوی مستقیم و ژنتیک در بهینه سازی پارامترهای مدل غیرخطی ماسکینگام – یک سیلاب از کارون :

تعداد صفحات :۲۱

در این پژوهش، کارایی الگوریتم جستجوی مستقیم در بهینه سازی پارامترهای مدل غیرخطی ماسکینگام جهت روندیابی سیل ویلسون و یک سیل از رودخانه کارون ارائه شده است. روندیابی سیل ویلسون به منظور مقایسه کارایی الگوریتم جستجوی مستقیم با سایر الگوریتم های فراکاوشی متداول و روندیابی یک سیل از رودخانه کارون نیز به دلیل بررسی بیشتر قابلیت این الگوریتم در روندیابی سیل در نظر گرفته شده است. براساس نتایج به دست آمده از روندیابی سیل ویلسون با استفاده از الگوریتم جستجوی مستقیم مجموع مربعات و قدرمطلق خطا بین دبی روندیابی شده و مشاهداتی به ترتیب ۶۵/۶۲ و ۴۸/۲۹ مترمکعب بر ثانیه به دست آمد. کمترین تفاوت بین دبی پیک مشاهداتی و دبی روندیابی شده سیل ویلسون، با کاربرد الگوریتم جستجوی مستقیم ۲۹/۰ مترمکعب بر ثانیه به دست آمد. نتایج روندیابی سیل رودخانه کارون با الگوریتم جستجوی مستقیم نیز نشان داد که مجموع مربعات خطا، مجموع قدرمطلق خطا و تفاوت بین دبی پیک مشاهداتی و روندیابی شده به ترتیب ۴۲۰، ۱۰/۷۸۴۲ و ۷/۹ مترمکعب بر ثانیه می باشد. مقایسه نتایج تحقیق حاضر با نتایج دیگر تحقیقات نشان داد با وجودی که الگوریتم جستجوی مستقیم نتوانسته است در بعضی پارامترهای مقایسه ای جواب های بهتری نسبت به سایر الگوریتم ها به دست آورد، اما باتوجه دقت مناسب برای بهینه سازی پارامترهای مدل غیرخطی ماسکینگام، توصیه می شود.