جلد 25، شماره 1 - ( علوم آب و خاک - بهار 1400 )                   جلد 25 شماره 1 صفحات 27-42 | برگشت به فهرست نسخه ها


XML English Abstract Print


1. گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران ، ahmad.rajabi1974@gmail.com
چکیده:   (351 مشاهده)
تخمین و شبیهسازی روند بارندگی در نواحی مختلف جهان به‌دلیل خشکسالی و تغییر اقلیم از اهمیت فراوانی برخوردار است. در این مطالعه، یک مدل هوش مصنوعی ترکیبی برنامه‌ریزی بیان ژن- موجک (WGEP) برای مدلسازی بارندگی درازمدت 67 ساله شهر انزلی برای اولین بار توسعه داده شد. این مدل از ترکیب تبدیل موجک (Wavelet) و برنامهریزی بیان ژن (GEP) به‌دست آمد. در ابتدا، بهینهترین عضو خانواده تبدیل موجک معرفی شد. سپس با تجزیه و تحلیل نتایج مدلسازی، دقیقترین تابع اتصال و برازش برای مدل برنامه‌ریزی بیان ژن به‌دست آمد. در ادامه، با استفاده از تابع خودهمبستگی و خودهمبستگی نسبی و تأخیرهای مختلف، 15 مدل WGEP توسعه داده شد. مدلهای WGEP برای بازههای زمانی 37، 20 و 10 ساله به‌ترتیب آموزش، آزمون و صحت‌سنجی شدند. همچنین، با انجام تحلیل حساسیت، مدل برتر و مؤثرترین تأخیرها برای شبیهسازی بارش درازمدت شناسایی شدند. مدل برتر مقادیر تابع هدف را با دقت بالایی تخمین زد. بهعنوان مثال، مقادیر ضریب همبستگی و شاخص پراکندگی برای این مدل در شرایط صحت‌سنجی بهترتیب برابر با 0/946 و 0/310 محاسبه شدند. علاوه بر این، تأخیرهای شماره 1، 2، 4 و 12 بهعنوان مؤثرترین تأخیرها در مدلسازی بارش توسط مدل ترکیبی معرفی شدند. همچنین، نتایج مدل برتر ترکیبی با مدل برنامه‌نویسی بیان ژن مقایسه شد که مدل ترکیبی دقت بیشتری داشت.
متن کامل [PDF 1690 kb]   (101 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومی
دریافت: 1398/11/20 | پذیرش: 1399/5/7 | انتشار: 1400/3/10

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.