به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "مدل سازی جریان" در نشریات گروه "محیط زیست"

تکرار جستجوی کلیدواژه «مدل سازی جریان» در نشریات گروه «علوم پایه»
جستجوی مدل سازی جریان در مقالات مجلات علمی
  • معصومه زینعلی، محمدرضا گلابی*، محمدحسین نیک سخن، محمد رضا شریفی
    زمینه و هدف

    هدف در ابتدا بیان نمودن تفاوت ها و شناسایی3 مدل به نام های، برنامه ریزی بیان ژن (GEP)، شبکه عصبی - فازی (ANFIS)  و شبکه بیزین (BN) است و مقایسه آنها با یکدیگر و سوال اساسی تحقیق این است که ایا فرامدل شبیه ساز برتر در این مطالعه می تواند در شرایط کمبود داده و اطلاعات، جایگزین مناسبی برای مدل های مفهومی باشد.

    روش بررسی

    داده های مورد استفاده برای این پژوهش، داده های بارش و جریان روزانه رودخانه گاماسیاب نهاوند در یک دوره 10 ساله 1391-1381 می باشد. برای مرحله پیش بینی یا شبیه سازی از داده های سال آبی 1391-1390  استفاده شده است.

    یافته ها

    در مرحله آموزش و با توجه به ضریب تبیین و پارامتر جذر میانگین مربعات خطا و  معیار AIC، مشاهده می شود که در هر 3 مدل، هم در مرحله آموزش و هم در مرحله تست شاهد اختلاف بسیار اندک در مقدار این پارامتر ها هستیم و نتایج هر 3مدل تقریبا با اختلاف بسیار اندک، نزدیک به هم است و تقریبا برتری نسبی مدل GEP را می توان مشاهده کرد.

    بحث و نتیجه گیری

    نتایج بیانگر آن است که  فرامدل[1] شبیه ساز بیان ژن توانایی خوبی برای شبیه سازی و پیش بینی جریان روزانه رودخانه دارد و این فرامدل شبیه ساز، می تواند در شرایط کمبود داده و اطلاعات، جایگزین مناسبی برای مدل های مفهومی باشد. علاوه بر این سرعت اجرای مدل برنامه ریزی بیان ژن نسبت به بقیه مدل ها بیشتر بوده و در زمان کوتاهی قادر به ارایه نتایج بوده است.

    کلید واژگان: مدل سازی جریان, مدل GEP, مدل ANFIS, مدلBN, گاماسیاب
    Massoumeh Zeinalie, MohammadReza Golabi *, MohammadHossein Niksokhan, MohammadReza Sharifi
    Background and Aim

    The aim is first to express the differences and identify three models, namely, Gene Expression Programming (GEP), Neural-Fuzzy Network (ANFIS), and Bayesian Network (BN), and compare them with each other. Furthermore, the research's central question is whether the superior simulation meta-modal in this study can be a suitable alternative to conceptual models in the conditions of lack of data and information.

    Methods

    The data used for this study are the daily rainfall and flow data of the Gamasiab Nahavand River in 10 years from 2002 to 2012. For the prediction or simulation stage, the data of the blue year 2012-2011 have been used.

    Results

    In the training phase and according to the coefficient of explanation and the square root of the mean squares error and the AIC criterion, it is observed that in all three models, both in the training phase and in the test phase, we see a minimal difference in the amount of these parameters. Moreover, all three models' results are close to each other with almost a minimal difference, and almost the relative superiority of the GEP model can be seen.

    Discussion & Conclusion

    The results indicate that the simulator meta-model of gene expression has an excellent ability to simulate and predict the river's daily flow, this simulation meta-model can be a suitable alternative to models in the absence of data and information. Be conceptual. Also, the speed of implementation of the gene expression programming model was faster than other models and was able to provide results in a short time.

    Keywords: Flow Modeling, GEP model, ANFIS Model, BN model, Gamasiab
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال