تکنیک شبکه های عصبی مصنوعی برای استخراج پروفیل های دما و رطوبت اتمسفر داده های سنجنده MODIS و داده های رادیوسوند
Publish place: 2nd Disaster Management Conference
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 1,700
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
GEODM02_117
Index date: 3 May 2007
تکنیک شبکه های عصبی مصنوعی برای استخراج پروفیل های دما و رطوبت اتمسفر داده های سنجنده MODIS و داده های رادیوسوند abstract
یکی ازمواردمهم در مدیریت بلایای طبیعی، کاهش خسارت های ناشی از سیل می باشد. با توجه به اینکه کشور ایران جزو 10 کشور اول بلاخیر دنیا قرار دارد و وقوع سیل در آن همواره جان بسیاری از هموطنان مان را تهدید می کند، ایجاد یک سیستم هشدار دهنده سیل ضروری به نظر می رسد. داده های رادیوسوند، با توجه به هزینه های فراوان و محدودیت های اجرایی فقط برای ایستگاه های محدودی قابل استفاده است . تصاویر ماهواره ای بدلیل پوشش وسیع، بهنگام بودم و دارا بودن باندهای حرارتی، ابزار مناسبی برای استخراج اطلاعات از اتمسفر می باشند. در این مقاله از روش های آماری برای استخراج پارامترهای ژئوفیزیکی مثل دما، رطوبت از داده های سنجنده MODIS استفاده می شود. از یک شبکه عصبی Feed-forward چند لایه برای استخراج پارامترهای ژئوفیزیکی مطلوب استفاده میشود. کیفیت شبکه های عصبی با تکیه به مشاهدات همزمان رادیوسوندها ارزیابی می شود. روش رگرسیون خطی نیز برای بررسی دقت شبکه های عصبی مورد بررسیی قرارمی گیرد.
تکنیک شبکه های عصبی مصنوعی برای استخراج پروفیل های دما و رطوبت اتمسفر داده های سنجنده MODIS و داده های رادیوسوند Keywords:
شبکه های عصبی مصنوعی , استخراج دما و رطوبت اتسمفر , رگرسیون خطی , معادله انتقال , تشعشی , دمای روشنایی
تکنیک شبکه های عصبی مصنوعی برای استخراج پروفیل های دما و رطوبت اتمسفر داده های سنجنده MODIS و داده های رادیوسوند authors
وحید اکبری
دانشجوی کارشناسی ارشد مهندسی نقشه برداری ، دانشگاه تهران
رضا شمس
دانشجوی کارشناسی ارشد مهندسی نقشه برداری ، دانشگاه تهران
جلال امینی
استادیار گروه مهندسی نقشه برداری - قطب علمی نقشه برداری و مقابله با سو
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 :