• مقایسه روش های برنامه ریزی ژنتیک و شبکه عصبی در پیش بینی جریان رودخانه (مطالعه موردی : حوضه آبریز رودخانه صوفی چای)

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1390/11/15
    • تاریخ انتشار در تی پی بین: 1390/11/15
    • تعداد بازدید: 912
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    روش های متعددی همچون مدل سری های زمانی، شبکه 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 و شبکه عصبی مصنوعی جهت پیش بینی جریان روزانه رودخانه صوفی چای در حوضه آبریز دریاچه ارومیه در دوره آماری 1379 تا 1386 استفاده شده است. جهت مدلسازی 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، رو به بهبود بوده و بعد از آن رو به نزول گذاشته است برای مدل شبکه های عصبی، ساختار با چهار نرون در لایه ورودی و شش نرون در لایه پنهان و یک نرون در لایه خروجی، بهترین نتایج را نشان داد. در مقایسه نتایج دو مدل، در مورد حالت بهینه مدل برنامه ریزی ژنتیک، ضریب همبستگی و جذر میانگین مربعات خطا برای آموزش به ترتیب 0.959 و 0.029 و برای حالت بهینه مدل شبکه های عصبی مصنوعی به ترتیب 0.948 و 0.215 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. همچنین با مقایسه نتایج حاصل از شبیه سازی توسط4  hec و شبکه عصبی دیده می شود که شبکه عصبی بسیار بهتر و دقیق تر به تولید جریان مصنوعی پرداخته و عملکردی به مراتب بهتر از خود نشان داده است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها