مقایسه مهارت مدل های استوکاستیک و شبکه ها ی عصبی مصنوعی در مدلسازی و پیشبینی مقادیر و طبقات شاخص بارندگی استاندارد شده
Publish place: Physical Geography Research، Vol: 45، Issue: 2
Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 235
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPHGR-45-2_006
تاریخ نمایه سازی: 5 آبان 1400
Abstract:
هدف از پژوهش پیش رو، مقایسه کارایی مدلهای استوکاستیک و شبکههای عصبی مصنوعی در پیشبینی کمی شاخص بارندگی استاندارد شده (SPI) در اقلیمهای خشک و مرطوب ایران است. برای این امر، محاسبه SPI، در مقیاسهای زمانی سهماهه، ششماهه و دوازدهماهه در چهار ایستگاه سینوپتیک کشور طی دوره ۲۰۰۷-۱۹۷۳ انجام شد. در گام بعد، مدلسازی سریهای زمانی SPI برای پیشبینیهای یک تا دوازده گام به جلو، به سه روش مدلسازی استوکاستیک، شبکه عصبی بازگشتی (RMSNN) و شبکه عصبی مستقیم (DMSNN) انجام گرفت. مقادیر SPI مربوط به دوره ۱۹۷۳ تا ۲۰۰۰، برای توسعه مدلها و مابقی برای صحتسنجی مدلها مورد استفاده قرار گرفت. در مرحله صحتسنجی، مقایسه مقادیر مشاهدهشده و پیشبینیشده SPI با استفاده از آزمونهای آماری، ضریب همبستگی و شاخص خطا انجام شد. همچنین برای بررسی قابلیت مدلها در پیشبینی طبقات SPI، از آماره کاپای کوهن استفاده شد. در نهایت، اولویت دقت مدلها از دیدگاههایی چون، افق زمانی پیشبینی و مقیاس زمانی بررسی خشکسالی تعیین شد. نتایج بهدست آمده نشان داد: ۱) در مقیاس زمانی سه، شش و دوازدهماهه، بهطور کلی مدلهای استوکاستیک (بهترتیب با میانگین خطای ۶۷۸/۰، ۵۶۹/۰ و ۳۴۴/۰ و میانگین ضریب همبستگی ۶۸۲/۰، ۷۷۷/۰ و ۹۱۹/۰) از نظر مهارت پیشبینی مقادیر SPI در اولویت کاربرد قرار دارند. ۲) در مقیاس زمانی سه، شش و دوازدهماهه بهترتیب، مدلهای DMSNN ، RMSNN و استوکاستیک (با میانگین کاپای ۳۹۷/۰، ۵۳۰/۰ و ۷۵۰/۰) از نظر مهارت پیشبینی طبقات SPI در اولویت کاربرد قرار دارند.
Keywords:
اقلیم های خشک و مرطوب , پیش بینی , خشکسالی , شاخص بارندگی استاندارد شده , مدل های استوکاستیک , مدل های شبکه عصبی مصنوعی
Authors
سمیه حجابی
دانشجوی کارشناسی ارشد هواشناسی کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
جواد بذرافشان
استادیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
نوذر قهرمان
استادیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران