مدلسازی جریان روزانۀ رودخانه با استفاده از برنامهریزی ژنتیک و شبکۀ عصبی (مطالعۀ موردی: حوضۀ آبخیز معرّف امامه) | ||
| پژوهش های جغرافیای طبیعی | ||
| مقاله 4، دوره 48، شماره 3، 1395، صفحه 367-383 اصل مقاله (1.38 M) | ||
| نوع مقاله: مقاله کامل | ||
| شناسه دیجیتال (DOI): 10.22059/jphgr.2016.60095 | ||
| نویسندگان | ||
| احمد نوحه گر1؛ محبوبه معتمدنیا* 2؛ آرش ملکیان3 | ||
| 1استاد گروه برنامه ریزی مدیریت و آموزش محیط زیست، دانشکدة محیط زیست، دانشگاه تهران، کرج | ||
| 2دانشجوی دکتری علوم و مهندسی آبخیزداری، گروه کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس | ||
| 3دانشیار گروه احیای مناطق خشک و کوهستانی، دانشکدة منابع طبیعی، دانشگاه تهران، کرج | ||
| چکیده | ||
| فرایند بارش- رواناب پیچیده و غیرخطی است و مدلسازی آن به دلیل عدم قطعیتهای زیاد یکی از مهمترین دغدغههای پژوهشگران در حیطة مسائل منابع آب بهشمار میرود. از بین روشهای مورد استفاده، مدلهای هوشمند در پیشبینی چنین فرایندهایی مفید و مؤثرند. بنابراین، به منظور مدلسازی جریان رودخانه از روشهای شبکة عصبی مصنوعی و همچنین برنامهریزی ژنتیک به منزلة روشی صریحـ که جزو الگوریتمهای تکاملی بهشمار میرودـ در حوضة آبخیز معرّف امامه و در دورة آماری 1349 - 1350 تا 1390 - 1391 (42ساله) استفاده شد. بدین منظور، از دادههای هواشناسی و آبسنجی در مقیاس روزانه و در قالب 62 مدل پیشنهادی استفاده شد. نتایج نشان داد برنامهریزی ژنتیکی، از میان مدلهای فراوان، خطای کمتری داشت. خطای مدلها نیز وقتی که فقط از عملگرهای اصلی ریاضی و توان استفاده شد بهمراتب کمتر بود. سرانجام، با توجه به معیارهای ارزیابی مورد استفاده در این تحقیق، ساختار پیشنهادی با ورودیهای (مدل 54) دما، باران، و تأخیرهای باران تا دو روز، رطوبت نسبی و تبخیر و تعرق و تأخیر جریان تا دو روز به عنوان بهترین مدل با خطای 001/0، 031/0، و 009/0 در مرحلة آموزش و 001/0، 032/0، و 009/0 در مرحلة آزمایش بهدست آمد. | ||
| کلیدواژهها | ||
| بارش- رواناب؛ برنامهریزی ژنتیک؛ شبکة عصبی پرسپترون چندلایه؛ حوضة آبخیز معرّف امامه | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,675 تعداد دریافت فایل اصل مقاله: 1,170 |
||