سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

کاربرد روشهای هوش مصنوعی در پیشبینی خشکسالی بر اساس شاخص بارندگی استاندارد SPI

Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,363

This Paper With 7 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

CESC15_601

Index date: 2 January 2015

کاربرد روشهای هوش مصنوعی در پیشبینی خشکسالی بر اساس شاخص بارندگی استاندارد SPI abstract

خشکسالی یکی از بزرگترین بلایای طبیعی است که سالانه خسارتهای زیادی را در سرتاسر جهان به جا میگذارد. اجرای برنامه های مدیریت خشکسالی، بعد از وقوع آن نقاط ضعف بسیاری دارد و نتیجه مناسبی را به همراه ندارد، بنابراین اگر بتوان خشکسالی را پیش بینی نمود باعث میشود با آمادگی بیشتر راهکارهای مناسب برای کاهش اثرات خشکسالی تعیین گردد و مدیریت آن بهبود یابد. به این منظور در این مقاله از دو روش هوش مصنوعی شامل شبکه عصبی پرسپترون چندلایه MLP سیستم استنباط عصبی- فازی تطبیقی ANFIS برای پیش بینی خشکسالی بر اساس اطلاعات بارندگی ایستگاه عبدالخان، واقع در حوضه کرخه استفاده گردید. در ابتدا شاخص خشکسالی استاندارد بارندگی برای ایستگاه عبدالخان در مقیاس زمانی 3، 6 و 12 ماهه محاسبه شد؛ پس از آن مقادیر SPI محاسبه شده به عنوان ورودی روشهای پیش بینی در نظر گرفته شد. نتایج نشان داد هر دو روش با دقت قابل قبولی خشکسالی را پیشبینی میکنند. به نحوی که برای 3 SPI6 ،SPI و 12 SPI مقدار ضریب تبیین به ترتیب برابر 0/78و0/58 و 0/47 و برای ANFIS به ترتیب برابر 0/66 و 0/66 و 0/46 به دست آمده است.

کاربرد روشهای هوش مصنوعی در پیشبینی خشکسالی بر اساس شاخص بارندگی استاندارد SPI Keywords:

کاربرد روشهای هوش مصنوعی در پیشبینی خشکسالی بر اساس شاخص بارندگی استاندارد SPI authors

ادریس احمد ابراهیم پور

کارشناس ارشد گروه عمران -مهندسی آب ،دانشگاه آزاد اسلامی واحد مهاباد

سیدجمیل قادری

استادیار گروه مهندسی عمران- مهندسی آب،عضو هیئت علمی دانشگاه آزاد اسلامی واحد مهاباد

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 :
- اسلامیان، س، زارعی ع. و ابریشمچی، .I 133. بررسی ...
- خلیلی، ک. 10. آنالیز فرکانس خشکسالی و طرح مخازن ...
Fathabadi, A., Gholami, H., Salajeghe, A., Azarnivand, H. and Khosravi, ...
McKee, T.B., Doesken, N. J. and Kleist, J. 1993. The ...
Mishra, A. K. and Desai, V. R. 2006. Drought forecasting ...
Morid, S., Smakhtin, V. and Bagherzadeh, K. 207. Drought forecasting ...
Paulo, A.A. and Pereira, L.S. 2007. Prediction of SPI drought ...
Riebsame W. and Chagnon, J.R. 1991. Drought and natural resources ...
نمایش کامل مراجع

مقاله فارسی "کاربرد روشهای هوش مصنوعی در پیشبینی خشکسالی بر اساس شاخص بارندگی استاندارد SPI" توسط ادریس احمد ابراهیم پور، کارشناس ارشد گروه عمران -مهندسی آب ،دانشگاه آزاد اسلامی واحد مهاباد؛ سیدجمیل قادری، استادیار گروه مهندسی عمران- مهندسی آب،عضو هیئت علمی دانشگاه آزاد اسلامی واحد مهاباد نوشته شده و در سال 1393 پس از تایید کمیته علمی پانزدهمین کنفرانس دانشجویان عمران سراسر کشور پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله ایستگاه عبدالخان، پیشبینی خشکسالی، هوش مصنوعی.MLP ،ANFIS هستند. این مقاله در تاریخ 12 دی 1393 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1363 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که خشکسالی یکی از بزرگترین بلایای طبیعی است که سالانه خسارتهای زیادی را در سرتاسر جهان به جا میگذارد. اجرای برنامه های مدیریت خشکسالی، بعد از وقوع آن نقاط ضعف بسیاری دارد و نتیجه مناسبی را به همراه ندارد، بنابراین اگر بتوان خشکسالی را پیش بینی نمود باعث میشود با آمادگی بیشتر راهکارهای مناسب برای کاهش اثرات خشکسالی تعیین گردد و ... . این مقاله در دسته بندی موضوعی هوش مصنوعی و خشکسالی طبقه بندی شده است. برای دانلود فایل کامل مقاله کاربرد روشهای هوش مصنوعی در پیشبینی خشکسالی بر اساس شاخص بارندگی استاندارد SPI با 7 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.