این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آبیاری و زهکشی، جلد ۱۰، شماره ۲، صفحات ۱۹۹-۲۰۷
عنوان فارسی بررسی عملکرد مدل‌های SVR و GEP در پیش‌بینی نوسانات ماهانه تراز آب دریاچه ارومیه
چکیده فارسی مقاله پیش‌بینی نوسانات سطح آب دریاچه‌ها از جمله موارد مهم در مدیریت و برنامه‌ریزی منابع آب است. در سال‌های اخیر کاهش شدید تراز آب دریاچه ارومیه اثرات زیست‌محیطی مخربی را در این منطقه داشته است. در این تحقیق عملکرد مدل‌های ماشین بردار پشتیبان و برنامه‌ریزی بیان ژن با استفاده از شش الگوی متفاوت در خلال سال‌های 1388- 1355 برای پیش‌بینی تراز آب دریاچه ارومیه بررسی شد، تا بهترین الگو برای پیش‌بینی تراز آب دریاچه معرفی گردد. در چهار الگو از داده‌های تاریخی تراز و در دوالگوی دیگر از بارش، تبخیر و نشت و تراز آب استفاده شد. نتایج نشان داد که مدل برنامه‌ریزی بیان ژن عملکرد بهتری نسبت به مدل رگرسیون بردار پشتیبان دارد و با افزایش ورودی برای آموزش مدل عملکرد آن افزایش می‌یابد. هم­چنین در بهترین حالت مقدار میانگین مربعات خطا و ضریب تبیین به ترتیب برابر 08/0 متر و 99/0 برای مدل GEP، 60/0 متر و 92/0 برای مدل SVRبه دست آمد.
کلیدواژه‌های فارسی مقاله برنامه‌ریزی بیان ژن،تراز دریاچه،رگرسیون بردار پشتیبان،نشت،
عنوان انگلیسی Evaluate the Performance of SVR and GEP Models in Predicting the Monthly Fluctuations in Water Level of Urmia Lake
چکیده انگلیسی مقاله Prediction of lake level fluctuations is one of the most important issues in water resources planning and management. In recent years, the significant decline in water level of Urmia Lake had detrimental environmental impacts on this region. In this study, the performance of genetic expression programming and support vector regression models for predicting Urmia Lake water level was evaluated based on six different patterns during 1976-2009 to determine the best input pattern. The historical data of water level were used in four patterns, and precipitation, evaporation, seepage and water level were used in two other patterns. The results showed that the genetic expression programming had better performance than SVR model and the model performance improves with increasing input for model training. Also, at the best pattern the mean square error and coefficient of determination were calculated 0.08 m and 0.99 for GEP model and 0.60 m and 0.92 for SVM, respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مصطفی کدخداحسینی |
دانش آموخته کارشناسی ارشد مهندسی منابع آب، دانشگاه شهرکرد، شهرکرد، ایران

شایان شامحمدی |
استاد گروه علوم و مهندسی آب، دانشگاه شهرکرد، شهرکرد، ایران

حامد نوذری |
استادیار گروه علوم و مهندسی آب، دانشگاه بوعلی سینا، همدان، ایران

رسول میرعباسی نجف آبادی |
استادیار گروه علوم و مهندسی آب، دانشگاه شهرکرد، شهرکرد، ایران

نشانی اینترنتی http://idj.iaid.ir/article_55314_4eb35c9becb31041db037f82d6b04880.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