فهرست مقالات برنامه‌ریزی بیان ژن

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - ارزیابی مدل برنامه ریزی بیان ژن برای برآورد بار رسوب معلق بر اساس پیش پردازش داده ها با روش آزمون گاما (مطالعه موردی: حوزه آبخیز رود زرد)
  عادله علی جانپور شلمانی علی رضا واعظی محمودرضا طباطبایی
  ی. در این پژوهش، داده‌های ایستگاه هیدرومتری ماشین در حوزه آبخیز رود زرد، با طول دوره آماری 36 سال (1356-1391) مورد استفاده قرار گرفت. متغیرهای ورودی به مدل GEP شامل دبی لحظه‌ای (Q)، متوسط دبی روزانه (Qi) و متوسط بارندگی روزانه (Pi) به همراه سه گام تأخیر زمانی و متغیر خر چکیده کامل

  ی. در این پژوهش، داده‌های ایستگاه هیدرومتری ماشین در حوزه آبخیز رود زرد، با طول دوره آماری 36 سال (1356-1391) مورد استفاده قرار گرفت. متغیرهای ورودی به مدل GEP شامل دبی لحظه‌ای (Q)، متوسط دبی روزانه (Qi) و متوسط بارندگی روزانه (Pi) به همراه سه گام تأخیر زمانی و متغیر خروجی به مدل شامل بار رسوب معلق روزانه می-باشد. برای کاهش در وقت و هزینه، پیش‌پردازش داده‌های ورودی به مدل GEP با استفاده از روش آزمون گاما به‌دست آمد و به‌همراه ترکیبات بدون پیش‌پردازش (آزمون و خطا) وارد مدل GEP شد. نتایج مقایسه بین تمامی مدل‌ها نشان داد که برترین ترکیب متغیر ورودی حاصل از آزمون گاما، با کمترین مقدار آماره‌‌ی خطای استاندارد برابر صفر، آماره‌ی گاما برابر 000092/0 و آماره‌ی Vratio برابر 012/0 و با ترکیب متغیرهای متوسط دبی روزانه به همراه دو گام تأخیر زمانی و متوسط بارندگی روزانه به همراه سه گام تأخیر زمانی، دقیق‌ترین و صحیح‌ترین برآورد را برای بار رسوب معلق داشت. این مدل دارای کمترین مقدار ton/day)) 90/1671RMSE= و ton/day)) 68/475MAE= و بیشترین مقدار 99/0R2= و 99/0NSE= در مقایسه با سایر مدل‌ها بود. بنابراین، استفاده از روش آزمون گاما به‌عنوان یک روش پیش‌پردازش داده‌ها توانست با انتخاب ترکیباتی از متغیرهای ورودی مناسب به مدل‌ها، به‌طور میانگین تا 40 درصد مقدار خطای برآورد (RMSE) بار رسوب معلق روزانه را در مقایسه با ترکیبات ورودی حاصل از آزمون و خطا کاهش دهد و با افزایش تشابه بین مقادیر داده-های مشاهداتی با داده‌های محاسباتی، عملکرد مدل GEP در برآورد بار رسوب معلق را افزایش دهد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - شبیه‌سازی روند تغییرات خصوصیات شیمیایی خاک در اثر آبیاری با پساب با استفاده از مدل برنامه‌ریزی بیان ژن (GEP)
  مینا ارست غلامرضا زهتابیان محمد جعفری حسن خسروی سعید شجاعی
  با توجه به رشد روزافزون جمعیت در مناطق خشک و نیمه خشک، محدودیت منابع آب رو به افزایش است. از این رو استفاده از آب های غیرمتعارف به عنوان ابزار مهمی در مدیریت منابع آب در مناطق خشک به حساب می آید. در این بین بهره‌گیری از پساب فاضلاب شهری برای آبیاری به صورت توأمان با طرح چکیده کامل

  با توجه به رشد روزافزون جمعیت در مناطق خشک و نیمه خشک، محدودیت منابع آب رو به افزایش است. از این رو استفاده از آب های غیرمتعارف به عنوان ابزار مهمی در مدیریت منابع آب در مناطق خشک به حساب می آید. در این بین بهره‌گیری از پساب فاضلاب شهری برای آبیاری به صورت توأمان با طرح‌های بیابان‌زدایی از مواردی است که جای بررسی و مطالعه دارد. اثری که این گونه آب ها بر ویژگی‌های فیزیکی و شیمیایی خاک برجا می‌گذارد، اهمیت زیادی دارد. در دهه اخیر روش های هوشمند مصنوعی به خاطر قابلیت شبیه سازی فرآیندها در زمینه های مختلف کاربرد زیادی پیدا کرده اند. برنامه ریزی بیان ژن (GEP) جزء الگوریتم های تکاملی محسوب شده و قادر به بهینه سازی ساختار مدل و مولفه های آن می باشد. در این تحقیق به ارزیابی توانایی و دقت مدل برنامه ریزی بیان ژن(GEP) در شبیه سازی تغییرات میزان سدیم، اسیدیته و هدایت الکتریکی خاک در زمین های تحت آبیاری با پساب و زمین های فاقد آبیاری در دشت قم پرداخته شد. برای مدل سازی تغییرات خصوصیات شیمایی خاک، به صورت تصادفی70 درصد داده های مشاهداتی مربوط به هدایت الکتریکی، اسیدیته و سدیم خاک به منظور تعیین مدل مناسب مورد استفاده قرار گرفته و مابقی داده ها در واسنجی مدل های مورد نظر بهره برده شد و پارامترهای شیمیایی خاک به عنوان متغیر مستقل و تیمار پساب به عنوان تابع انتخاب گردید. نتایج مقایسه ژنی نشان داد که برنامه ریزی بیان ژن، به خوبی روند تغییرات خصوصیات شیمیایی خاک را مدل سازی کرده است و در بهترین حالت اجرای مدل، بالاترین مقدار ضریب تعیین، برای هدایت الکتریکی (97/0 =2R)، اسیدیته (96/0=2R) و سدیم محلول خاک (97/0=2R) محاسبه شد. پرونده مقاله