پیش بینی SPI خشکسالی در استان یزد با استفاده از شبکه های عصبی مصنوعی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 732

This Paper With 8 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

SDARIDR02_062

تاریخ نمایه سازی: 23 اسفند 1392

Abstract:

خشکسالی یکی از پدیده های خزنده محیطی است که در مناطق خشک و نیمه خشک نمود بیشتری دارد. بنا به اهمیت روز افزون تامین آب در کشور، مدیریت منابع آب و مقابله با خشکسالی، آگاهی از وقوع خشکسالی ها و ترسالی ها در یک ناحیه از ضروری ترین ابزار می باشد. چرا;I LNDVDJعلمی منابع آب موجود در هر ناحیه منوط به شناخت مقدار آب قابل دسترس و نیاز آبی آن ناحیه می باشد. تحقیق حاضر در شهر یزد به منظور بررسی نمایه اندازه گیری خشکسالی برای پیش بینی و ارزیابی مکانی و زمانی این پدیده و مدیریت منابع آبی، از اهمیت ویژه ای در تعیین سیاست های اینده جهت بهینه سازی صرف هزینه ها و استفاده ازاین منابع برخوردار است در این تحقیق، از اطلاعات بارش ماهیانه، برای بدست اوردن شاخص SPI استفاده شده و این شاخص به همراه متغیرهای دما و بارش نرمال شده به عنوان ورودی های شبکه عصبی پرسپترون پیشخورچندلایه MLP، در یک مدل جعبه سیاه، برای پیش بینی خشکسالی در ایستگاه سینوپتیک یزد، انجام گرفته است. بدین منظور، از امکانات وتوابع موجود ازنرم افزار STATISTICAبهره گرفته شده است نتایج نشان می دهند که پیش بینی شاخص SPI ازبین ترکیب های درنظرگرفته شده ترکیبی با متغیرهای sPI دمای حداکثردمای حداقل وبارش درمقیاس زمانی 18 ماهه با بالاترین ضریب همبستگیR= ٠.٩٥٩وخطای ٠.٢٨١ در مرحله آزمون و با تابع تانژانت هایپربولیک در لایه پنهان بهترین عملکرد را داشته است و قادر به پیش بینی خشکسالی می باشد.

Keywords:

خشکسالی/نمایه SPI /شبکه های عصبی مصنوعی , پرسپترون پیشخور چند لایه , یزد

Authors

مهدی مرادی

دانشجوی کارشناسی ارشد مهندسی منابع آب

امیر جلال کمالی

عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد بم

نسرین مرادی

دانشجوی کارشناسی ارشد مهندسی منابع آب

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 :
  • خوشحال دستجردی، ج.، حسینی، _ 1389. "کاربرد شبکه عصبی صنوعی ...
  • خلیلی، ن.، خداشناس، س.ر. و داوری، ک. "پیش بینی بارش ...
  • علیزاده، تانصاری، ح. و ارشادی، س.، آشگرطوسی، ش. 1387. "پایش ...
  • کریمی گوغری، ش، قادری، ک. 1387. "پیش بینی بارش سالانه ...
  • _ ایزدی، ع. و کاردان مقدم، _ علیدوست، ا. "پیش ...
  • Tokar, S., Markus, M. 20 .0." Precipitation runoff modeling using ...
  • Barua, S., Ng, A. and Perera, B. 2012. "Artificial neural ...
  • Fatehimarj, A., Meijerink, A.M.J. 2011. "Agricultural drought forecasting using satellite ...
  • Rezaeianzadeh, M., Tabari, H. 2012." MLP- based drought forecasting in ...
  • Keskin, M.E., Terzi, O. and Taylan, E.D., Kucukyaman, D. 2011." ...
  • McKee, T.B., Doesken, N.J., Kleist, J., 1993." The relationship of ...
  • نمایش کامل مراجع