خلاصة:
تخمین میزان دبی رودخانه هر منطقه یکی از مسایل مهم و اساسی در برنامهریزی کشاورزی و نیز مدیریت منابع آب میباشد. لذا ارائه راهکاری مناسب جهت برآورد دقیق دبی رودخانهها، بسیار سودمند است. هدف این تحقیق بررسی قابلیت مدلهای هوشمند برنامهریزی بیان ژن، شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی بهمنظور تخمین دبی در رودخانه مردق چای میباشد. در این مدلها برای تخمین دبی جریان از دادههای دبی جریان روزانه پیشین در سه نوع متفاوت و ترکیب هریک از این حالتها با یک تا پنج روز تاخیر زمانی در مقیاس روزانه که در مجموع از 45 نوع داده ورودی متفاوت استفاده و با یک فرآیند آموزش، عمل تخمین انجام گرفت و نتایج آن با استفاده از معیارهای ارزیابی ضریب تبیین و جذر میانگین مربعات خطا با دادههای مشاهداتی مورد بررسی و مقایسه قرار گرفت. با توجه به نتایج بهدست آمده از مدلها، هر سه روش از دقت قابل قبولی برخوردار بودند. در نهایت مدل شبکه عصبی-مصنوعی که دارای بیشترین دقت میباشد برای این حوضه توصیه گردید.
River flow estimation in every region is one of the fundamental and important issues in agricultural planning and also in the water resources management. Therefore presenting a suitable strategy is more beneficial to accurate estimation of rivers flow rate. The purpose of this research is to evaluate the capability of the intelligent models such as Gene Expression Programming, Artificial Neural Network and Nero-Fuzzy Inference Systems in order to estimate the flow rate in Mordagh Chay River. Three different methods are used to estimate the flow rate in these models, the flow rate data of the previous daily flow and the mixture of each of these states with one to five days of delay period in daily scale. Totally 45 kinds of different data were applied and the estimation was conducted. Mordagh Chay River basin has been located on Eastern Azerbaijan Province. The findings were compared with the observed data by coefficient of determination and the root mean square errors criteria. With regard to the results obtained from the models all of the three methods were of acceptable accuracy. Finally the adoptive Nero- fuzzy inference systems model was chosen for the highest precision and was recommended to be useful in this basin.
ملخص الجهاز:
هدف این تحقیق بررسی قابلیت مدلهای هوشمند برنامه ریزی بیان ژن، شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی بهمنظور تخمین دبی در رودخانه مردق چای میباشد.
در این مدلها برای تخمین دبی جریان از دادههای دبی جریان روزانه پیشین در سه نوع متفاوت و ترکیب هریک از این حالتها با یک تا پنج روز تاخیر زمانی در مقیاس روزانه که در مجموع از ٥٤ نوع داده ورودی متفاوت استفاده و با یک فرآیند آموزش، عمل تخمین انجام گرفت و نتایج آن با استفاده از معیارهای ارزیابی ضریب تبیین و جذر میانگین مربعات خطا با دادههای مشاهداتی مورد بررسی و مقایسه قرار گرفت.
نتایج مدلسازی دبی ایستگاه مغانجیق برای برنامهریزی بیان ژن در جدول ٩، برای شبکه عصبی مصنوعی در جدول شماره ٥ و سیستم استنتاج عصبی-فازی در جدول شماره ٤ نشان داده شده است .
جدول )٣( مقایسه نتایج بهینهترین الگوی هر سه مدل مورد استفاده شده را نشان میدهد و نتیجه حاکی از دقت بالی سیستم استنتاج عصبی-فازی نسبت به برنامهریزی بیان ژن و شبکههای عصبی مصنوعی میباشد.
جهت ارزیابی هر چه بیشتر مدلهای هوشمند از سه روش، برنامهریزی بیان ژن، شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی استفاده گردید این امر به کمک نرمافزارهای ٤ GeneXprotools، ٢٠٠٠ Qnet و Matlab انجام شد و نتایج حاصل از نظر آماری با یکدیگر مقایسه شده است.