کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4978156 | 1452258 | 2017 | 48 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Input variable selection with a simple genetic algorithm for conceptual species distribution models: A case study of river pollution in Ecuador
ترجمه فارسی عنوان
انتخاب متغیر ورودی با یک الگوریتم ژنتیک ساده برای مدل های توزیع گونه های مفهومی: مطالعه موردی آلودگی رودخانه ای در اکوادور
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مدل توزیع گونه های مفهومی، انتخاب متغیر ورودی الگوریتم های ژنتیک ساده منحنی پاسخ گونه، آلودگی رودخانه مدیریت آب شیرین،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزار
چکیده انگلیسی
Species distribution models (SDMs) have received increasing attention in freshwater management to support decision making. Existing SDMs are mainly data-driven and often developed with statistical and machine learning methods but with little consideration of hypothetic ecological knowledge. Conceptual SDMs exist, but lack in performance, making them less interesting for decision management. Therefore, there is a need for model identification tools that search for alternative model formulations. This paper presents a methodology, illustrated with the example of river pollution in Ecuador, using a simple genetic algorithm (SGA) to identify well performing SDMs by means of an input variable selection (IVS). An analysis for 14 macroinvertebrate taxa shows that the SGA is able to identify well performing SDMs. It is observed that uncertainty on the model structure is relatively large. The developed tool can aid model developers and decision makers to obtain insights in driving factors shaping the species assemblage.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 92, June 2017, Pages 269-316
Journal: Environmental Modelling & Software - Volume 92, June 2017, Pages 269-316
نویسندگان
Sacha Gobeyn, Martin Volk, Luis Dominguez-Granda, Peter L.M. Goethals,