مقایسه کارایی روش های شبکه عصبی مصنوعی و برنامه ریزی بیان ژن برای پیش بینی سطح ایستابی در مناطق خشک و نیمه خشک ( مطالعه موردی: دشت جیرفت)

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 105

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJRDR-26-2_003

تاریخ نمایه سازی: 24 فروردین 1402

چکیده مقاله:

مدل سازی و پیش بینی سطح ایستابی چاه ها یکی از کار های اساسی برایرسیدن به مدیریت بهینه منابع آب می باشد. یکی از راه های پیش بینی سطح آب زیرزمینی استفاده از تکنیک های هوش مصنوعی نظیر شبکه عصبی مصنوعی و برنامه ریزی بیان ژن می باشد. هدف از این پژوهش بررسی کارایی روش شبکه عصبی مصنوعی و برنامه ریزی بیان ژن در پیش بینی سطح ایستابی آب زیرزمینی آبخوان دشت جیرفت می باشد. به این منظور از داده های سطح ایستابی ۶۵ چاه موجود در آبخوان دشت جیرفت برای یک دوره یازده ساله استفاده شد. سطح ایستابی چاه ها توسط هر یک از تکنیک های شبکه عصبی و برنامه ریزی بیان ژن به طور جداگانه شبیه سازی شد و در انتها از آماره های ریشه میانگین مربعات خطا، میانگین مطلق خطا، شاخص تطابق و R۲ برای تعیین دقت پیش بینی هر کدام از روش ها استفاده شد. نتایج این پژوهش کارایی و دقت بالای هر دو تکنیک شبکه عصبی و برنامه ریزی بیان ژن را در پیش بینی سطح ایستابی چاه های منطقه نشان داد. ضریب همبستگی در روش شبکه عصبی مصنوعی برابر با ۹۶/۰ و در روش برنامه ریزی بیان ژن برابر با ۷۲/۰ شد که نشان دهنده این است روش شبکه عصبی مصنوعی در این تحقیق دقت بالاتری را در پراکنش داده های دشت جیرفت طی سال های ۱۳۸۱-۱۳۹۱ دارا می باشد.

کلیدواژه ها:

نویسندگان

بهاره جبالبارزی

دانشجوی دکتری مدیریت و کنترل بیابان، گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

آرش ملکیان

دانشیار، گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aalami, M., Sadeghfam, S., Fazelifard, M. and Taghipour., ۲۰۱۳. Modeling ...
  • Afkhami, H., Ekhtesasi, M. R. and Mohammadi, M., ۲۰۱۵. The ...
  • Ahmadian, M., Chavoshian, M. and Darvish, M., ۲۰۱۵. Investigating the ...
  • Chung, Y. W., ۲۰۰۸.Prediction water table fluctuation using artificial neural ...
  • Coppola, E., Rana, A. J., Poulton, M., Szidarovszky, F. and ...
  • Ferreira, C., ۲۰۰۵. Gene expression programming: A new adaptive algorithm ...
  • Ghezelbash, Z., Zakerinia, M., Hezar Jaribi, A. and Dehghani, A., ...
  • Ghobadian, R., Ghorbani, M. and Khalaj, M., ۲۰۱۳. Investigating the ...
  • Ghorbani Dashtaki, S., Homaee, M., Mahdian, M. H. and Kouchakzadeh, ...
  • Ghorbani, M. and Salehi, A., ۲۰۱۱. Application of gene expression ...
  • Ghorbani, M. A., Khatibi, R., Hasanpour kashani, M. and Kisi, ...
  • Gorgij, A. D., Kisi, O. and Moghaddam, A., ۲۰۱۶. Groundwater ...
  • Jamalizadeh Taj Abadi, M. R., Moghaddam Nia, A. R., Piri, ...
  • Johari, A. and Nejad, A. H., ۲۰۱۵. Prediction of soil-water ...
  • Kavehkar, S. H., Ghorbani, M., Ashrafzadeh, A. and Darbandi, S., ...
  • Menhaj, M. B., ۲۰۰۵. Fundamentals of neural networks, computational intelligence. ...
  • Mirzaee, A. and Nazemi, A. H., ۲۰۱۱. Estimation of level ...
  • Pour Mohammadi, S., Maleki Nezhad, H. and Pour Shariyati, R., ...
  • Pour Seyedi, A. and Kashkouli, H., ۲۰۱۲. Study of the ...
  • Rahmani, G. H., ۲۰۱۴. Simulation of groundwater resources of Aghili ...
  • Zamani, A. and Mahmoudi, R., ۲۰۱۲. Investigating the application of ...
  • نمایش کامل مراجع