برآورد بارش به کمک شبکه عصبی مصنوعی با داده های هواشناسی غیربارشی در سه منطقه شیراز، مشهد و کرمان
Publish place: Geography and Planning، Vol: 17، Issue: 43
Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 189
This Paper With 20 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_GEOP-17-43_002
تاریخ نمایه سازی: 23 آبان 1400
Abstract:
عنصر بارش ماهیت آشوبناکی و تصادفی داشته و از این نظر دارای تغییرات ساختاری در زمانهای مختلف است. در این راستا بهدلیل عدم قطعیتهایی که وجود دارد، نوسانهای زیادی در مقدار بارش ایجاد میشود که پیشبینی این کمیت مهم را با مشکل مواجه نموده است. در این مقاله با تکنیک مقیاسبندی مجدد (R/S) و محاسبه نمای هرست (H) پیشبینیپذیری بارش در سه منطقه شیراز، کرمان و مشهد انجام شد. نمای هرست نشان داد که پارامتر بارش قابلیت پیشبینیپذیری را دارد، زیرا H از ۵/۰ بزرگتر بوده و بمراتب بهمقدار ۱ نزدیکتر است. بهطوریکه نمای هرست از حداقل ۸/۰ در ایستگاه مشهد تا حداکثر ۹۲/۰ در ایستگاه شیراز در نوسان بود. به منظور پیشبینی بارش از شبکههای عصبی مصنوعی استفاده شد. نوع پارامترهای ورودی براساس آزمون همبستگی پیرسون از بین دادههای غیربارشی، ترکیبی از دادههای دمایی و رطوبتی بودند. تعداد پارامترهای ورودی، تعداد لایههای میانی و سایر اطلاعات مربوط به شبکه عصبی مصنوعی به صورت تصادفی انتخاب و پیشنهاد شدند. در مجموع از شبکههای عصبی پرسپترون چند لایه برای برآورد بارش استفاده شد. مقایسه عملکرد شبکههای عصبی، نشان داد که استفاده از ۳ و ۴ پارامتر هواشناسی، بهترین رتبه برآوردگری را داشتهاند. آرایشهای پیشنهادی برای ایستگاه شیراز، ۱-۲۱-۲۱-۳، کرمان ۱-۲۵-۲۵-۳ و مشهد ۱-۱۹-۱۹-۴ دارای ضریب همبستگی بیش از ۹۱ درصد شد. اعتبارسنجی مدلهای بارش نشان داد که شبکههای طراحی شده برای پارامتر بارش در ایستگاههای مشهد، شیراز و کرمان به ترتیب با خطای ۴، ۱۱ و ۱۴ درصد، دارای بهترین عملکرد بودهاند. در مجموع نتایج نشان میدهند که استفاده از روش شبکه عصبی با درنظر گرفتن اطلاعات دمایی و رطوبتی، نتایج مناسبی برای توصیف فرآیند و ترکیب آنها در پیشبینی، بهدست میدهند.
Keywords:
Authors
علیرضا ایلدرمی
استادیار گروه مهندسی آبخیزداری دانشکده محیط زیست و منابع طبیعی دانشگاه ملایر
حمید زارع ابیانه
گروه مهندسی آبیاری دانشکده کشاورزی دانشگاه بوعلی سینا
مریم بیات ورکشی
گروه مهندسی آبیاری دانشگاه بوعلی سینا
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :