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

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 571

This Paper With 11 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:

WRM05_236

تاریخ نمایه سازی: 25 تیر 1393

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 که مدیریت علمی 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 آینده جهت بهینه سازی صرف هزینه ها و استفاده از این منابع، برخوردار است. در این تحقیق، از اطلاعات بارش ماهیانه، برای بدست آوردن شاخص SPI استفاده شده و این شاخص به همراه متغیرهای دما و بارش نرمال شده به عنوان ورودی های شبکه عصبی پرسپترون پیشخور چند لایه (MLP) در یک مدل جعبه سیاه، برای پیش بینی خشکسالی در ایستگاه سینوپتیک یزد، انجام گرفته است. بدین منظور، از امکانات و توابع موجود از نرم افزار STATISTICA بهره گرفته شده است. نتایج نشان می دهند که پیش بینی شاخص SPI از بین ترکیب های در نظر گرفته شده، ترکیبی با متغیرهای SPI،دمای حداکثر، دمای حداقل وبارش در مقیاس زمانی 18 ماهه با بالاترین ضریب همبستگی R2=0.959 و خطای 0.281 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، دانشگاه آزاد اسلامی واحد کرمان

امیر جلال کمالی

استادیار گروه مهندسی آب، دانشگاه آزاد اسلامی واحد کرمان

نسرین مرادی

دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه آزاد اسلامی واحد کرمان، عضو باشگاه پژوهشگران جوان

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 :