CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیشبینی جریان ماهانه با استفاده از رویکرد برنامه ریزی بیان ژن مطالعه موردی: حوضه آبخیز چهل چای

عنوان مقاله: پیشبینی جریان ماهانه با استفاده از رویکرد برنامه ریزی بیان ژن مطالعه موردی: حوضه آبخیز چهل چای
شناسه ملی مقاله: AHCONF06_039
منتشر شده در ششمین همایش بین المللی افق های نوین در علوم کشاورزی ، منابع طبیعی و محیط زیست در سال 1400
مشخصات نویسندگان مقاله:

عبدالرحیم لطفی - مدیرکل منابع طبیعی و آبخیزداری استان گلستان، گرگان
رمضان بهترک - سرپرست معاونت فنی و آبخیزداری استان گلستان، گرگان
رضا نقوی - معاون اداره مهندسی و مطالعات منابع طبیعی و آبخیزداری گلستان، گرگان
حامد تقی زاده - رئیس هیئت مدیره ش رکت مهندسی مشاور ترازآب جامع، گرگان

خلاصه مقاله:
نیاز روزافزون به آب سبب گردیده است که برنامه ریزی های مدیریتی به منظور کنترل مصرف آب در آینده از اهمیت بیشتری برخوردارباشد. با پیشبینی نمودن جریان رودخانهها علاوه بر مدیریت بهره برداری از منابع آ ب، میتوان حوادث طبیعی نظیر سیل و خشکسالی را نیز پیشبینی و مهار نمود. همچنین میتوان از نتایج یک مدل شبیه سازی به منظور بررسی صحت دادهها و یا اصلاح و تکمیل آنها استفاده کرد. روشهای متعددی همچون مدلهای سریزمانی، شبکه های عصبی مصنوعی، منطق فازی و برنامه ریزی بیان ژن ) GEP ) برای پیشبینی جریان رودخانه به کار میرود. در مطالعه حاضر به منظور پیشبینی جریان رودخانه چه لچای از روش GEP استفاده شد. دادههای جریان ماهانه این رودخانه در محل ایستگاه آبسنجی لزوره در طی سالهای ۱۳۴۵ تا ۱۳۹۶ برای ایجاد مدل استفاده شد که ۸۰ درصد دادهها برای آموزش و ۲۰ درصد برای صحت سنجی مدل به کار رفت. جهت بررسی و ارزیابی نقش حافظه در افزایش یا کاهش دقت، الگوهای ورودی متعددی به مدلها معرفی شد و در نهایت مشخص گردید که با افزایش حافظه، دقت مدلسازی نیز افزایش می یابد به طوری که بیشترین دقت در الگوی سوم به دست می آید و سپس با افزایش حافظه از دقت مد لسازی کاسته میشود

کلمات کلیدی:
الگو، تاخیر بهینه، ساختار درختی، نمودار PACF

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1466136/