استفاده از روش برنامه ریزی ژنتیک در مدلسازی بارش-رواناب
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز
- نویسنده حمید فضاییلی
- استاد راهنما محمد تقی اعلمی محمد علی قربانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
روشهای مبتنی بر هوش مصنوعی اخیراً توجه بیشتری را در مدلسازی فرآیند بارش- رواناب به خود جلب کرده است.برنامه ریزی ژنتیکgp به عنوان یکی از زیر شاخه های مهم هوش مصنوعی است، که در این تحقیق استفاده شده است.در این مطالعه دو رویکرد مختلف که توسط محققین پیشین در مدلسازی بارش- رواناب با برنامه ریزی ژنتیک استفاده شده بود ، با هم مقایسه شده است.نتیجه اساسی حاصل از این مقایسه بر توانایی روشgp در انتخاب متغیرهای موثر بر مدل تاکید دارد. برای بهبود نتایج بدست آمده از gp از روش رگرسیون غیر خطی استفاده شده است. در این روش با استفاده از حداقل خطای مربعات غیر خطی مدل حاصل شده از رگرسیون سمبلیک بهینه سازی شده است.همچنین استفاده از روش برنامه ریزی ژنتیک برای تعیین رگرسورها در روش رگرسیون خطی به جای استفاده از روش رگرسیون گام به گام به عنوان کاربرد دیگری از gp در مدلسازی بارش- رواناب ارائه شده است.یکی از مشکلات پیش رو در اجرای برنامه ریزی ژنتیک پدیده رشد بیش از حد برنامه بدون بهبود قابل توجهی در تناسب برنامه است، که به آن در اصطلاح پف کردن برنامه اطلاق می شود.روشهای مختلفی برای کنترل این پدیده توسط محققین ارائه شده که در این مطالعه این روشها در حوزه شبیه سازی بارش- رواناب مقایسه شده و بهترین آنها به نام روش اتاق انتظار (waiting room) معرفی شده است.رویکرد این تحقیق در هرچه بهتر کردن روشهای قبلی و رفع نقایص احتمالی بوده است و مدلهای دیگر ارائه شده در این تحقیق نه با هدف مقایسه بلکه به جهت ارائه کاربرد هایی از برنامه ریزی ژنتیک در این روشهای مدلسازی است. در حالت کلی هدف این مطالعه را می توان تحلیل توانائی ها و بررسی نقطه ضعف های روش برنامه ریزی ژنتیک دانست.
منابع مشابه
مدلسازی بارش- رواناب با استفاده از برنامه ریزی ژنتیک(gp) و معادلات دیفرانسیل تصادفی (sde) در حوضه آبریز لیقوان
پیش بینی دبی رودخانه ها در کارهای عمرانی، به منظور استفاده بهینه از مخازن سدها، ساماندهی رودخانه و هشدار سیل از اهمیت زیادی برخوردار است. فرآیند بارش- رواناب پدیده ای غیرخطی است و استخراج روابط بین بارش در سطح حوضه و جریان ناشی از آن که به صورت رواناب و سیلاب آشکار می گردد، از دیرباز جزو مهمترین مسائلی بوده که مورد توجه کارشناسان مرتبط با مسائل آب و بویژه هیدرولوژیست ها بوده است. خاصیت غیر خطی،...
15 صفحه اولبرنامه ریزی ژنتیک و کاربرد آن در مدل سازی فرآیند بارش- رواناب
نقش و اهمیت فرآیند بارش-رواناب در مطالعات منابع آب موجب شده که این فرآیند از دیر باز مورد توجه متخصصین قرار گیرد. از این رو روش های متعددی همچون شبکه های عصبی مصنوعی، سیستم های فازی و نرو فازی، آنالیز موجک، الگوریتم ژنتیک، برنامه ریزی ژنتیک و معادلات دیفرانسیل تصادفی برای مدلسازی فرآیند بارش-رواناب توسعه یافته است. برنامه ریزی ژنتیک علاوه بر توانایی استخراج رابطه ی بین متغیّرهای ورودی و خروجی به...
متن کاملمدلسازی تبخیر و تعرق پتانسیل ماهانه با استفاده از برنامه ریزی ژنتیک در استان سیستان و بلوچستان
تبخیر- تعرق یکی از پارامترهایی اساسی در حوزه‌های مختلف کشاورزی و مدیریت منابع آبی بوده و پیشبینی آن در تعیین سیاست‌های آینده این بخش‌ها جزو ملزومات می‌باشد. لذا، در این پژوهش،با استفاده از روش برنامه‌ریزی ژنتیک، مدلی برای بررسی روند تغییرات میزان تبخیر-تعرق در استان سیستان و بلوچستان از روش برنامه‌ریزی ژنتیک تدوین گردید. بدین منظور، میزان تبخیر-تعرق مرجع در مقیاس ماهانه با استفاده از روش پنمن-...
متن کاملمدلسازی فرآیند بارش – رواناب در حوضه لیقوان چای با استفاده از نرون شرطی آستانه دمایی
لزومِ پیشبینى بده رودخانه در کارهاى عمرانى، برنامهریزى براى استفادة بهینه از مخازن سدها، ساماندهىِ رودخانهو هشدار سیل، کاملاً احساس مىشود. در این راستا مسئلۀ بارش- رواناب بیشترین توجه مدلسازهای شبکههای عصبی2 برای پیشبینی بارش- MLP مصنوعی 1 را به خود معطوف کرده است. در این تحقیق از شبکههای عصبی چند لایهرواناب حوضه آبریز برفگیر لیقوانچای واقع در استان آذربایجان شرقی استفاده شده است. اطلاعات این حوضه...
متن کاملبرنامهریزی ژنتیک و کاربرد آن در مدلسازی فرآیند بارش- رواناب
نقش و اهمیت فرآیند بارش-رواناب در مطالعات منابع آب موجب شده که این فرآیند از دیر باز مورد توجه متخصصین قرار گیرد. از این رو روش های متعددی همچون شبکه های عصبی مصنوعی، سیستم های فازی و نرو فازی، آنالیز موجک، الگوریتم ژنتیک، برنامه‌ریزی ژنتیک و معادلات دیفرانسیل تصادفی برای مدلسازی فرآیند بارش-رواناب توسعه یافته است. برنامه ریزی ژنتیک علاوه بر توانایی استخراج رابطه‌ی بین متغیّرهای ورودی و خروجی به...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023