پایش و مدل سازی تغییرات سطحی دریاچه ارومیه با استفاده از شبکه عصبی مصنوعی

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 74

This Paper With 23 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JESJ-46-2_004

تاریخ نمایه سازی: 9 آذر 1401

Abstract:

دریاچه ارومیه یکی از بزرگترین پهنه های آبی شور در جهان است که در سال های اخیر در شرایط بحرانی قرار داشته است. در این مطالعه، تغییرات این دریاچه و حوضه آبخیز آن بررسی گردید. سپس قابلیت های شبکه ی عصبی مصنوعی در پیش بینی تغییرات سطحی دریاچه مورد ارزیابی قرار گرفت. بدین ترتیب با استفاده از داده های سنجنده TRMM، مدل هیدرولوژیکی GLDAS، سنجنده GRACE، سری ماهواره های ارتفاع سنجی Jason و همچنین تصاویر MODIS به ترتیب میزان بارش، تغییرات احجام آبی سطحی و زیر سطحی (TWS)، تغییرات ارتفاعی و سطحی دریاچه ارومیه در بازه ۱۸۳ ماه بین آوریل ۲۰۰۲ تا ژوئن ۲۰۱۷ محاسبه گردید. در ادامه با استفاده از دو روش مبتنی بر یادگیری ماشین MLP و LSTM و به کارگیری پارامترهای موثر بر تغییرات سطحی دریاچه به عنوان ورودی شبکه، تغییرات سطحی دریاچه با جذر خطای مربعات مانده های ۰۵۱۱/۰ توسط شبکه بهینه LSTM مدل سازی شد. همچنین به منظور پیش بینی تغییرات سطحی دریاچه برای مدت زمان طولانی تر، چهار مدل برای تخمین تغییرات ۳، ۶، ۹ و ۱۲ ماه بعد، تشکیل شدند که در نتیجه آن، شبکه LSTM این تغییرات را برای یک سال آینده با دقتی بالا (جذر خطای مربعات مانده های ۰۸۸۲/۰) و توانایی مناسب در شناسایی تغییرات فصلی، تخمین زد.

Authors

علی رادمان

گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران

مهدی آخوندزاده هنزائی

استادیار گرایش سنجش از دور، گروه مهندسی نقشه برداری، پردیس دانشکده های فنی، دانشگاه تهران

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 :
  • Alborzi, A., A. Mirchi, H. Moftakhari, I. Mallakpour, S. Alian, ...
  • Alesheikh, A. A., A. Ghorbanali and N. Nouri (۲۰۰۷). Coastline ...
  • Ashrafzadeh Afshar, A., G. R. Joodaki and M. A. Sharifi ...
  • Bengio, Y., P. Simard and P. Frasconi (۱۹۹۴). Learning long-term ...
  • Bishop, C. M. (۲۰۰۶). Pattern recognition and machine learning, springer ...
  • Chen, H., W. Zhang, N. Nie and Y. Guo (۲۰۱۹). ...
  • Cheng, M., J. C. Ries and B. D. Tapley (۲۰۱۱). ...
  • Dastranj, H., F. Tavakoli and A. Soltanpour (۲۰۱۸). Investigating the ...
  • Delju, A., A. Ceylan, E. Piguet and M. Rebetez (۲۰۱۳). ...
  • Demuth, H. and M. Beale (۲۰۰۰). Neural network toolbox user’s ...
  • Ducet, N., P.-Y. Le Traon and G. Reverdin (۲۰۰۰). Global ...
  • Faraji, Z., A. Kaviani and A. Ashrafzadeh (۲۰۱۷). Assessment of ...
  • Fatolahzadeh, F., B. Voosoghi, m. Raoofian-Naeeni, M. Mohebi and R. ...
  • Feidas, H. (۲۰۱۰). Validation of satellite rainfall products over Greece. ...
  • Feng, L., C. Hu, X. Chen, X. Cai, L. Tian ...
  • Feyisa, G. L., H. Meilby, R. Fensholt and S. R. ...
  • Forootan, E., R. Rietbroek, J. Kusche, M. Sharifi, J. Awange, ...
  • Gamboa, J. C. B. (۲۰۱۷). Deep learning for time-series analysis. ...
  • Gorelick, N., M. Hancher, M. Dixon, S. Ilyushchenko, D. Thau ...
  • Graves, A. (۲۰۱۳). Generating sequences with recurrent neural networks. arXiv ...
  • Hassanzadeh, E., M. Zarghami and Y. Hassanzadeh (۲۰۱۲). Determining the ...
  • Hochreiter, S. and J. Schmidhuber (۱۹۹۷). Long short-term memory. Neural ...
  • Huffman, G. J., D. T. Bolvin, E. J. Nelkin, D. ...
  • Joodaki, G. (۲۰۱۴). Earth mass change tracking using GRACE satellite ...
  • Karbassi, A., G. N. Bidhendi, A. Pejman and M. E. ...
  • Khazaei, B., S. Khatami, S. H. Alemohammad, L. Rashidi, C. ...
  • Long, D., Y. Shen, A. Sun, Y. Hong, L. Longuevergne, ...
  • McFeeters, S. K. (۱۹۹۶). The use of the Normalized Difference ...
  • Mohebzadeh, H. (۲۰۱۸). Extracting AL Relationship for Urmia Lake, Iran ...
  • Okay Ahi, G. and S. Jin (۲۰۱۹). Hydrologic Mass Changes ...
  • Rodell, M., P. Houser, U. Jambor, J. Gottschalck, K. Mitchell, ...
  • Rohli, R. V., T. Andrew Joyner, S. J. Reynolds, C. ...
  • Rokni, K., A. Ahmad, A. Selamat and S. Hazini (۲۰۱۴). ...
  • Sun, A. Y. (۲۰۱۳). Predicting groundwater level changes using GRACE ...
  • Swenson, S., D. Chambers and J. Wahr (۲۰۰۸). Estimating geocenter ...
  • Tourian, M., O. Elmi, Q. Chen, B. Devaraju, S. Roohi ...
  • Wahr, J., M. Molenaar and F. Bryan (۱۹۹۸). Time variability ...
  • Williams, R. J. and D. Zipser (۱۹۸۹). A learning algorithm ...
  • Xu, H. (۲۰۰۶). Modification of normalised difference water index (NDWI) ...
  • Zarghami, M. (۲۰۱۱). Effective watershed management; case study of Urmia ...
  • Zhou, Y., S. Jin, R. Tenzer and J. Feng (۲۰۱۶). ...
  • نمایش کامل مراجع