{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部分”：[[2024,1,21]]，“日期-时间”：“2024-01-21T06:35Z”，“时间戳”：1705818934405}，“参考-计数”：19，“出版商”：“富士科技出版社”，“问题”：“1”，“资助者”：[{“DOI”：“10.13039\/501100010218”，“名称”：“科学与技术部”技术，菲律宾”，“doi-asserted-by”：“publisher”，“id”：[{“id”:“10.13039\/501100010218”，“id-type”：“doi”，“asserted-by”：”publisher“}]}，{“doi“：”10.13039\/100012938“，”name“：”De La Salle University“，”doi-assert-by“：]}]，“内容域”：{“域”：[]，“交叉标记限制”：false}，“short-container-title”：[“JACIII”，“J.Adv.Compute.Intell.Intell.Inform.”]，“published-print”：{“date-parts”：[[2024,1,20]]}，“abstract”：“暴雨等极端天气条件不仅在城市地区，而且在整个流域都造成了严重破坏。制定洪水管理计划和防洪结构以减轻洪水影响非常关键，因为它需要大量连续的历史数据。然而，由于收集降雨量数据的设备故障而导致的数据丢失可能是一个问题。降雨量数据不仅有助于设计防洪结构，也有助于提前规划我们的日常活动。为了解决这个问题，本文提出了一个预测模型，该模型能够在短的交付周期内进行预测，并预测数据集中的缺失数据。本文将比较三种预测模型，即递归神经网络、高斯处理回归和提出的基于6基因遗传表达的预测模型（MGGP）。使用了来自菲律宾PAGASA塔克洛班市气象站的29年24小时累积降雨量数据。通过删除负值来清除数据。创建了两个数据集，第一个（RFDS1）数据集使用三个指数（年、月和日），第二个（RFDS 2）数据集进行编排和转换，以增加相关性并减少预测误差，该数据集有两个额外的数据集（ave（t-1，t-2），t-1）。每种方法使用三个和五个基于时间的索引。结果表明，使用RFDS1的三种方法得出的模型行为不稳定，而RFDS2具有更稳定的预测模型。这表明数据编排和转换大大提高了相关性并减少了错误。然而，在三种方法中，MGGP的结果最好<\/jats:p>“，”DOI“：”10.20965\/jacii.2024.p005“，”type“：”期刊文章“，”created“：{”日期部分“：[[2024,1,19]]，”日期时间“：”2024-01-19T15:02:12Z“，”时间戳“：1705676532000}，”page“：”5-11“，”source“：”Crossref“，”被计数引用“：0，”title“：[”rain-t：使用6基因遗传表达式进行基于历史数据的预测的日降雨量预测模型“]，”前缀“：”10.20965“，”卷“：”28“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0002-8147-9994“，”authenticated-ORCID“：true，”给定“：”Marvin Jade“，”family“：”Genoguin“，”sequence“：”first“，”affiliation“：”[{“name”：“德拉萨尔大学工程与可持续发展研究中心，菲律宾马尼拉1004 Malate Taft大道2401号authenticated-orcid“：true，”given“：”Ronnie S.“，”family“：”Concepcion II“，”sequence“：”additional“，”affiliation“：[{”name“：”De La Salle大学工程与可持续发展研究中心，菲律宾马尼拉1004 Malate Taft大道2401号}，{“name”：“菲律宾马尼拉1004 Malate塔夫特大道2401号德拉萨尔大学制造工程与管理系“}]}，{“ORCID”：“http://\/ORCID.org\/0000-0003-1950-6389”，“authenticated-ORCID”：true，“given”：”Andres Philip“，“family”：“Mayol”，“sequence”：“additional”，“affiliation”：[{“name”：“德拉萨尔大学工程与可持续发展研究中心，菲律宾马尼拉1004 Malate Taft Avenue 2401号authenticated-orcid“：true，”given“：”亚里士多德“，”family“：”Ubando“，”sequence“：”additional“，”affiliation“：[{“name”：“De La Salle University，2401 Taft Avenue，Malate，Manila 1004，Philippines”}，{“name:”菲律宾马尼拉1004 Malate塔夫特大道2401号德拉萨尔大学机械工程系“}]}，{“ORCID”：“http://\/ORCID.org\/0000-0001-9588-0909”，“authenticated-ORCID”：true，“给定”：“Alvin”，“family”：“Culaba”，“sequence”：“additional”，“afliation”：[{“name”：“德拉萨尔大学工程与可持续发展研究中心，菲律宾马尼拉1004马尼拉马拉特塔夫特大道2401号给定“：”Elmer P.“，”family“：”Dadios“，”sequence“：”additional“，”affiliation“：[{”name“：”De La Salle University，2401 Taft Avenue，Malate，Malania 1004，Philippines“工程与可持续发展研究中心，马尼拉1004，”}“name”：“菲律宾马尼拉1004 Malate Taft Avenue 2401号德拉萨尔大学制造工程与管理系“}]}]，“成员”：“8550”，“在线发布”：{“日期-部件”：[[2024,1,20]]}，“参考”：[{“密钥”：“key-10.20965\/jacii.2024.p0005-1”，“doi-asserted-by”：“交叉引用”，“非结构化”：“R.Concepcion，E.Dadios，J.Cuello，A。Bandala，E.Sybingco和R.R.Vicerra，利用混合重力搜索和递归神经网络基于莴苣叶片光合特征测定水培水宏观营养素浓度，《科学与技术杂志》，第18卷，第10期，2021年。https:\/\/doi.org\/10.48048\/wjst.2021.18273“，”doi“：”10.48048\/w jst.2021.1 8273“}，{“key”：“key-10.20965\/jacii.2024.p0005-2”，“doi-asserted-by”：“crossref”，”unstructured“：”R.康塞普西翁，E.Dadios，J.Alejandrino，C.H.Mendigoria，H.Aquino和O.J。Alajas，\u201c使用混合高斯量子粒子群和递归神经网络对玉米尾孢叶斑病的基于疾病的表面评估，\u201 d Proc。IEEE国际物联网，电子和机电一体化会议（IEMTRONICS），2021年。https:\/\/doi.org\/10.109\/IEMTRONICS52119.2021.9422515“，”doi“：”10.1109\/IEMTRONICS52119.2021.9422515“}，{“key”：“key-10.20965\/jacii.2024.p0005-3”，“doi-asserted-by”：“crossref”，“unstructured”：“O.J。Alajas等人，\u201c使用混合遗传算法和递归神经网络对水培水硝酸盐浓度的直接预测，\u201d 2021 IEEE第13届国际人类、纳米技术、信息技术、通信与控制、环境与管理会议（HNICEM），2021。https:\/\/doi.org\/10.109\/HNICEM54116.2021.9731946“，“doi”：“10.1109\/HNIC M54116.2021.9731946”}，{“key”：“key-10.20965\/jacii.2024.p0005-4”，“非结构化”：“IPCC，\u201c评估报告6气候变化2021：物理科学基础，\u201 d 2021。https:\/\/www.ipcc.ch\/report\/ar6\/wg1\/“}，{“key”：“key-10.20965\/jacii.2024.p0005-5”，“doi-asserted-by”：“crossref”，“unstructured”：“A.D.Mehr，\u201cSeasonal rain hindcasting using ensembly multi-stage genetic programming using multi-page genetical programming.u201d Theory and Applied Climatology，Vol.143，Nos.1-2，pp.461-4722021。https:\/\/doi.org\/10.1007\/s0074-020-03438-3“，”doi“：”10.1007\/s0070-020-03428-3“}，{“key”：“key-10.20965\/jacii.2024.p0005-6”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Cramer，M.Kampouridis，and A.A。Freitas，\u201c分解遗传编程：在天气导数的背景下对降雨预测的广泛评估，\u201d应用软计算J.，Vol.70，pp.208-2242018。https:\/\/doi.org\/10.1016\/j.asoc.2018.05.016“，”doi“：”10.1016\/j-asoc.201805.016“}，{“key”：“key-10.20965\/jacii.2024.p0005-7”，“doi-asserted-by”：“crossref”，“unstructured”：“R.Srinivas，A.P.Singh，and A。Deshmukh，\u201c基于HEC-HMS的流域建模系统的开发，用于识别、分配和优化流域水库，环境监测与评估，第190卷，2018年第1期。https:\/\/doi.org\/10.1007\/s10661-017-6418-0“，“doi”：“10.1007\/s10661-017-6418-0”}，{“key”：“key-10.20965\/jacii.2024.p0005-8”，“doi-asserted-by”：“crossref”，“unstructured”：“D.Abdulbaki，M.Al-Hindi，A.Yassine，and M。Abou Najm，《水资源配置优化模型》，《清洁生产杂志》，第164卷，第994-1006页，2017年。https:\/\/doi.org\/10.1016\/j.jclepro.2017.07.024“，”doi“：”10.1016\/j.jclepro.201707.024“}，{“key”：“key-10.20965\/jacii.2024.p0005-9”，“doi-asserted-by”：“crossref”，“unstructured”：“M.Das和S.K。Ghosh，《气象时间序列预测的数据驱动方法：最新计算智能技术的比较研究》，《模式识别快报》，第105卷，第155-164页，2018年。https:\/\/doi.org/10.1016\/j.parec.2017.08..009”，“doi”：“10.1016\/j.parec.2017.08..009”}，｛“key”：“key-10.20965\/jacii.2024.p005-10”，“doi asserted by”：“crossref”，“nonstructured”：“T.Partal、H.K.Cigizoglu和E。Kahya，\u201c利用气象数据使用三种不同的小波神经网络算法进行每日降雨量预测，《随机环境研究与风险评估》，第29卷，第5期，第1317-1329页，2015年。https:\/\/doi.org\/10.1007\/s00477-015-1061-1“，”doi“：”10.1007\/s00477-015-1061-1“}，{“key”：“key-10.20965\/jacii.2024.p0005-11”，“doi-asserted-by”：“crossref”，“unstructured”：“U.Thissen，R.Van Brakel，A.P.De Weijer，W.J.Melssen，and L.M.C。Buydens，《使用支持向量机进行时间序列预测》，《化学计量学和智能实验室系统》，第69卷，第1-2期，第35-49页，2003年。https:\/\/doi.org\/10.1016\/S0169-7439（03）00111-4“，“doi”：“10.1016\/S0196-7439，（03）001 11-4”}，{“key”：“key-10.20965\/jacii.2024.p0005-12”，“doi-asserted-by”：“crossref”，“unstructured”：“A.D.Mehr，\u201cAn easymposemblic genetic programming model for season predication，\u201年SN Applied Sciences，Vol.2，No.11，pp.1-142020。https:\/\/doi.org\/10.1007\/s42452-020-03625-x“，”doi“：”10.1007\/s4252-020-03625-x“}，{“key”：“key-10.20965\/jacii.2024.p0005-13”，“doi-asserted-by”：“crossref”，“unstructured”：“R.Concepcion，S.Lauguico，E.Dadios，A.Bandala，E.Sybingco，and J。Alejandrino，\u201cTomato septoria叶斑坏死和失绿区域计算评估，使用人工蜂群优化叶病指数，\u202d 2020 IEEE Region 10 Annual Int.Conf.（TENCON），pp.1243-12482020。https:\/\/doi.org\/10.109\/TENCON50793.2020.9293743“，”doi“：”10.1109\/TENCON50793.2020.9293743”}，{“key”：“key-10.20965\/jacii.2024.p0005-14“，”非结构化“：”M.F。Bek \u00e7io \u011fullar \u0131等人，\u201c太阳能短期预测中不同机器学习方法的比较，EMO Bilimsel Dergi，第11卷，第22期，第37-45页，2021年（土耳其语）。“}，{”key“：”key-10.20965\/jacii.2024.p0005-15“，”doi-asserted-by“：”crossref“，”unstructured“：”R.Concepcion，S.Lauguico，J.Alejandrino，J.de Guia，E.P.Dadios，and A.“。Bandala，\u201c《水产光度法测定水塘水中的总有机碳和氢生物标记物以及使用遗传编程预测浓度》，IEEE 2020年第8区10人道主义技术会议（R10-HTC），2020年。https://doi.org/10.1109\/R10-HTC49770.2020.9357030”，“doi”：“10.1109\/R10-HTC49770.2020.9357030”}，｛“key”：“key-10.20965\/jacii.2024.p005-16”，“doi asserted by”：“crossref”，“unstructured”：“R.Concepcion，E.P.Dadios，and J。Cuello，\u201c利用杂交遗传编程对水培莴苣叶片光合色素和养分浓度进行非破坏性原位测量，《农业》第43卷第3期，2021年。https:\/\/doi.org\/10.17503\/agrivita.v43i3.2961“，”doi“：”10.17503\/garivita.v43i“3.2961”}，{“key”：“key-10.20965\/jacii.2024.p0005-17”，“doi-asserted-by”：“crossref”，“unstructured”：“M.G。Palconit等人，《u201cFishEye:使用多基因遗传编程的基于中心的立体视觉鱼类跟踪》，IEEE第九区域10人道主义技术会议（R10-HTC），2021年。https:\/\/doi.org\/10.109\/R10-HTC53172.2021.9641654“，”doi“：”10.1109\/R10-HTC531720.2021.9641654“}，{“key”：“key-10.20965\/jacii.2024.p0005-18”，“unstructured”：“N.Mishra，M.Tech Scholar和A.Kushwaha，使用高斯过程回归分类器的降雨量预测，\u201d Int。计算机工程与技术高级研究杂志（IJARCET），第8卷，第8期，第392-397页，2019年。“}，{“key”：“key-10.20965\/jacii.2024.p0005-19”，“doi-asserted-by”：“crossref”，“unstructured”：“A.D.Mehr，M.Jabarnejad，and V。Nourani，\u201cPareto-optimal MPSA-MGGP:月降雨量预测的新基因拟合模型，《水文学杂志》，第571卷，第406-4152019页。https:\/\/doi.org\/10.1016\/j.jhydrol.2019.02.003“，”doi“：”10.1016\/j.jhydrol/2019.02.03“}]，”container-title“：[”高级计算智能和智能信息学杂志“]，”original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\//www.fujipress.jp\/main\/wp-content\/themes\/fujipress\/hyosetu.php？ppno=JACII002 800010001“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,1,19]]，”date-time“：“2024-01-19T15:02:21Z”，”timestamp“：1705676541000}，”score“：1，”resource“：{primary“：”URL“https:\\/www.fujipress.jp\/jaciiii\/jc\/jabii002800010005”}}，“副标题”：[]，“短标题”：[]date-parts“：[[2024,1,20]]}，“references-count”：19，“journal-issue”：{“issue”：“1”，“published-on-line”：{“date-part”：[[2024，1,20]]{，“publised-print”：{-“date-ports”：[[2024,1,20]}，”URL“：”http://\/dx.doi.org\/10.20965\/jacii.2024.p0005“，”关系“：{}”，“ISSN”：[“1883-8014”“，”1343-0130“]，“ISSN-type”：[{“value”：“1883-8014”，“type”:“electronic”}，{“value”：“1343-0130“，”type“：”print“}]，”subject“：[]，”published“：{”date-parts“：[2024,1,20]]}}