LEADER |
04616nam a22002417a 4500 |
001 |
1578184 |
041 |
|
|
|a eng
|
044 |
|
|
|b السعودية
|
100 |
|
|
|9 698619
|a الصمادي، معتصم خليل
|e مؤلف
|
245 |
|
|
|a Forecasting River Flow in the USA Using a Hybrid Metaheuristic Algorithm with Back Propagation Algorithm
|
246 |
|
|
|a التنبؤ بفيضان النهر في الولايات المتحدة باستخدام تهجين خورازمية الميتاهيورستك مع خوارزمية الانتشار الخلفي
|
260 |
|
|
|b جامعة الملك فيصل
|c 2017
|g يونيو
|m 1438
|
300 |
|
|
|a 13 - 24
|
336 |
|
|
|a بحوث ومقالات
|b Article
|
520 |
|
|
|b Water resource management is a very complex and important challenge in this century; most of the political analysts consider that the world is going to face a problem of water management and reservation in the future. water management and estimation in the short and long term is an essential tool in planning, maintaining, managing and controlling the unexpected events. In this work, a Metaheuristic Algorithm which hybridizes Tabu search and Genetic algorithms with Back-propagation Algorithm (MABP) were proposed for managing, controlling and predicting water flow. The proposed algorithm used the statistical data set of the Ontonagon River near Rockland in USA as a case study. Back-propagation algorithm was used to train the Artificial Neural Network (ANN) using 550 daily data sets and was tested for other different 550 daily data sets. Metaheuristic algorithm (MA) was used to enhance and improve the obtained weights (solutions quality) from Back-propagation Algorithm (BP) by increasing and enhancing the fitness cost number. The estimated time series, ANN convergence, training and tested graphs were also explored.
|
520 |
|
|
|a تعتبر إدارة الموارد المائية إحدى التحديات المعقدة والمهمة في هذا القرن. ويعتبر معظم المحللين السياسيين أن التحدي الرئيسي للعالم في المستقبل هو إدارة المياه والحفاظ عليها. ولذلك فإن إدارة المياه في المستقبل وتقديرها على المدى القريب والبعيد تعتبر أداة أساسية في تخطيط وصيانة وإدارة مصادر المياه والسيطرة على الأحداث غير المتوقعة. في هذه الدراسة تم تطوير طريقة من خلال دمج خوارزمية الميتاهيورستك مع خوارزمية الانتشار الخلفي للمساعدة في إدارة ومراقبة وتوقع تدفق المياه. كدراسة حالة استخدمنا البيانات الإحصائية لنهر أونتوناغون بالقرب من روكلاند في الولايات المتحدة الأمريكية. كما تم استخدام خوارزمية الانتشار الخلفي لتدريب الشبكة العصبية الاصطناعية باستخدام 550 مجموعة من البيانات اليومية واختبارها من خلال 550 مجموعة أخرى، وتم استخدام خوارزمية الميتاهيورستك لتعزيز وتحسين الأوزان التي تم الحصول عليها (جودة الحلول) من خوارزمية الانتشار الخلفي، عن طريق زيادة وتحسين مقدار الملاءمة لقيم الأوزان. وبالإضافة إلى ذلك تم فحص السلسلة الزمنية التقريبية والرسوم البيانية لتدريب واختبار الشبكة العصبية الاصطناعية.
|
653 |
|
|
|a إدارة الموارد البيئية
|a فيضانات الأنهار
|a نظم المعلومات الإدارية
|a الخوارزميات
|
692 |
|
|
|a إدارة الموارد المائية
|a التنبؤ بتدفق النهر
|a خوارزمية الانتشار الخلفي
|a خوارزمية الميتاهيورستك
|a الشبكة العصبية الاصطناعية
|b Artificial Neural Networks
|b Back-Propagation Algorithm
|b Metaheuristic Algorithm
|b River Flow Forecasting
|b Water Resource Management
|
773 |
|
|
|c 002
|e Scientific Journal of King Faisal University - Basic and Applied Sciences
|f almajalat aleilmiat lijamieat almalik fysl. aleulum al'asasiat waltatbiqia
|l 001
|m مج18, ع1
|o 0184
|s المجلة العلمية لجامعة الملك فيصل - العلوم الأساسية والتطبيقية
|v 018
|x 1658-0311
|
856 |
|
|
|u 0184-018-001-002.pdf
|
930 |
|
|
|d y
|p y
|q n
|
995 |
|
|
|a science
|
999 |
|
|
|c 819684
|d 819684
|