پیش بینی خشکسالی شیراز به کمک شبکه عصبی رادیال بیس
Publish place: 5th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,957
This Paper With 10 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:
NCWMSWRM05_294
تاریخ نمایه سازی: 19 اردیبهشت 1391
Abstract:
خشکسالی یک رویداد اقلیمی است که خصوصیات آن بستگی به مدت و وسعت منطقه تحت تاٌثیر آن دارد که می تواند کوتاه یا شدید باشد . منشاء آن کمبود بارش می باشد که منجر به کاهش ذخیره ی آبی و زیان اقتصادی می شود . با توجه به دقت کمتر و خطای بیشتر روش های آماری متداول در این پژوهش برای پیش بینی خشکسالی شهرستان شیراز از شبکه ی عصبی مصنوعی رادیال بیس (Radial Basis) در نرم افزار متلب (MATLAB) استفاده گردیده است .در این پژوهش با استفاده از الگوهای ارتباط از دور و برخی از عناصر اقلیمی مؤثر به عنوان ورودی شبکه ی عصبی مصنوعی و مقادیر شاخص خشکسالی SPI که نمایش کمی خشکسالی می باشد به عنوان خروجی شبکه عصبی مصنوعی استفاده گردیده است . بر اساس نتایج بدست آمده در پیش بینی پیوسته 1 ماهه خشکسالی ، شاخص های اقلیمی Nino 1+2 , Nino 3 ,Nino 4SW monsoon و عناصر اقلیمی بیشنه دما ، کمینه دما ، بیشینه رطوبت نسبی و بارش موجب بهبود نتایج مدل ها گردیده است. در میان الگوهای مورد بررسی بارش ، کمینه دما و بیشینه دما نقش مثبتی در پیش بینی خشکسالی 3 ماههشیراز داشته است . در پیش بینی فصل زمستان شاخص اقلیمی NAO زمستانه و عناصر اقلیمی بارش زمستانه، بیشینهرطوبت نسبی زمستانه و بیشینه دما زمستانه بهترین نتایج را با کمترین خطا و بیشترین ضریب همبستگی ارائه داده اند
Keywords:
Authors
محمود خسروی
دانشیار جغرافیای طبیعی دانشگاه سیستان و بلوچستان ایران
مریم نصیری
کارشناسی ارشد اقلیم شناسی در برنامه ریزی محیطی ،ایران
سیدعلی اکبر صفوی
دانشیار برق و کنترل سیستم ها دانشگاه شیراز،ایران
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 :