این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آبیاری و زهکشی، جلد ۱۵، شماره ۳، صفحات ۵۸۲-۵۹۷
عنوان فارسی بررسی تاثیر پیش‌پردازش داده‌ها و عوامل مدل‌سازی برنامه‌ریزی بیان‌ژن در دقت پیش‌بینی سری‌های ‌زمانی
چکیده فارسی مقاله سری‌‌زمانی هیدرولوژیک عاملی وابسته به زمان است که یافتن نحوه تغییرات و پیش‌بینی آن مهم‌ترین هدف تجزیه و تحلیل سری‌های‌زمانی می‌باشد. هدف این تحقیق بررسی همزمان خصوصیات سری‌زمانی و پیش‌پردازش آنها و پارامترهای مهم مدل برنامه‌ریزی بیان‌ژن جهت پیش-بینی‌های با دقت بالا در مراحل آموزش و صحت‌سنجی می‌باشد. در این پژوهش از سری‌های‌زمانی عمق آب زیرزمینی ایستگاه دشت چمچمال واقع در استان کرمانشاه با دوره‌زمانی 12‌ساله و اقلیم کوهستانی و سری‌زمانی ماهانه دمای آلاسکا با دوره‌زمانی 50‌ساله و اقلیم سرد و خشک استفاده شده‌است. برای مدل‌سازی سری‌های‌‌زمانی مذکور از نرم‌‌افزارGenexprotools5.0 استفاده‌شده‌است. نتایج این تحقیق، نشان‌داد تناوبی بودن خصوصیات داده موجود در سری‌زمانی دما، سبب بروز نتایج همبستگی بالای 90% در مراحل مختلف آموزش و صحت‌سنجی گردید به‌طوریکه اثر پارامترهای مختلف بیان‌ژن کمتر از 10‌درصد در بهبود نتایج می‌باشد. از سوی دیگر با بررسی سری-زمانی عمق آب زیرزمینی که فاقد خصوصیت تناوبی و دارای شکلACF نزولی است، نتایج پیش‌بینی مدل GEP با هر پارامتر تاثیرگذار بیان‌ژن،R بیش از 44% در مرحله صحت‌سنجی حاصل‌نشد. این بدان معنی است که پیش‌پردازش سری‌زمانی اثرگذاری بیشتری در نتایج پیش-بینی دارد. به‌طوریکه با حذف ترم تناوب نتایج پیش‌بینی در همه مراحل مدل‌سازی به طرز معنی‌داری کاهش‌می‌یابد. در این حالت بهترین R‌ برای قسمت صحت‌سنجی50 درصد می‌باشد.
کلیدواژه‌های فارسی مقاله بیان‌ژن، پیش‌بینی، پیش‌پردازش، تناوب، سری‌زمانی،
عنوان انگلیسی Assessment effects of data preprocessing and modeling parameters of Gene Expression Programming on accuracy of time series forecasting
چکیده انگلیسی مقاله Hydrological time-series is a time-dependent hydrological variable that finding the model of changes and predicting is the most important goal of time-series analysis. The purpose of this study is to simultaneously study the characteristics of time series and their prediction and the important parameters of the GEP for high-precision predictions in the training and validation. In this study, groundwater depth time-series of Chamchamal plain station located in Kermanshah province with a 12-year period and mountainous climate and the monthly time-series of Alaska temperature with a 50-year period and cold and dry climate have been used. Genexprotools5.0 software has been used to model time-series by GEP.The results of studying with GEP showed that the periodicity of data properties that existed in the time series of temperature caused correlation results above 90% in different stages of training and validation. So that the effect of different parameters of GEP is less than 10% in improving results. On the other hand, by examining the time-series of groundwater depth, which lacks periodicity and has a descending ACF shape, the prediction results of the GEP with any effective expression parameter, R more than 44% in the validation wasn't obtained. This means that the time-series preprocessing has a greater impact on the prediction results. So that by eliminating the semester, the prediction results in all stages of modeling are significantly reduced. In this case, the best R for the validation is 50%.
کلیدواژه‌های انگلیسی مقاله بیان‌ژن, پیش‌بینی, پیش‌پردازش, تناوب, سری‌زمانی
نویسندگان مقاله مریم صالحی |
کارشناس ارشد مهندسی منابع آب، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران

سید احسان فاطمی |
استادیار گروه مهندسی آب، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران

نشانی اینترنتی https://idj.iaid.ir/article_131278_82b6ac851ce77e8ff80bf33144663ec5.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات