استفاده از مدل ماشین بردار پشتیبان برای پیش بینی خشکسالی(مطالعه موردی:کرمان)
Publish place: The Second national conference on sustainable development in arid and semiarid regions
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 770
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:
SDARIDR02_063
تاریخ نمایه سازی: 23 اسفند 1392
Abstract:
کمبود آب امروزه درقسمت های مختلف جهان ازجمله ایران متاثر از تغییرات اقلیمی و افزایش تقاضا در بخش های گوناگون و همچنین آلودگی منابع تامین آب می باشد جلوگیری ازوقوع خشکسالی امکان پذیرنیست ولی میتوان با استفاده از آماره های موجود و پیش بینی صحیح و بکارگیری طرح های مقابله با خشکسالی و مدیریت آن خسارات ناشی ازاین پدیده را تاحدزیادی کاهش دادلذا یافتن نمایه های اندازه گیری خشکسالی برای پیش بینی و ارزیابی مکانی و زمانی این پدیده به منظور مدیریت بحران آن ضروری و حیاتی به نظر می رسد درتحقیقات مختلف پارامترهای هواشناسیمتفاوتی در پیش بینی دوره های کم بارش موردتوجه قرارگرفته اند دراین تحقیق نمایه بارش استاندارد sPI درمقیاسهای زمانی 9و12و18و24و48ماهه محاسبه شده و از متغیر های بارش و دما برای پیش بینیخشکسالی مورد استفاده قرارگرفته است یکی ازروشهای یادگیری اماری بااستفاده ازناظر به نام ماشین بردارپشتیبان sVM برای تدوین مدل پیش بینی SPIاستفاده شد که این مدل نشان میدهد درپی شبینی رفتارهای غیرخطی داده های هواشناسی دارای دقت مناسب می باشدو سریع تر از شبکه های عصبی مصنوعی متداول اموزش می یبنددر انتها بر اساس نتایج بدست آمده، مناسب ترین متغیرها برای پیش بینی خشکسالی معرفی گردید. بر اساس این نتایج، مقادیر بارندگی، دمای حداکثر دمای حداقل و شاخصSPI بیشترین تاثیر را در برآورد بهترین ترکیب در مقیاس زمانی 18 ماههدارند و برای پیش بینی خشکسالی می توانند مورد استفاده قرارگیرند و نتایج مناسبی را نیز ارائه دهند
Authors
نسرین مرادی
دانشجوی کارشناسی ارشد مهندسی منابع آب
امیر جلال کمالی
استادیار گروه مهندسی آب
مهدی 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 :