پیشبینی خشکسالی با استفاده از نمایهPN به کمک مدل ANN(مطالعه موردی: حوزه آبریز مند استان فارس)
Publish place: The second national conference on desert with the approach of managing arid and desert areas
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 615
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
DESERT02_189
Index date: 27 January 2015
پیشبینی خشکسالی با استفاده از نمایهPN به کمک مدل ANN(مطالعه موردی: حوزه آبریز مند استان فارس) abstract
خشکسالی به عنوان یکی از مهمترین بلایای طبیعی است که ممکن است در هر رژیم آب و هوایی اتفاق بیفتد.دراین تحقیق کارایی شبکه عصبی مصنوعی به عنوان روشی موثر برای پیش بینی شدت خشکسالی حوزه مند استان فارس مورد بررسی قرار گرفت. برای این منظور از داده های بارندگی ماهانه ایستگاه باران سنجی بندبهمن استان فارس با دوره آماری 32 ساله استفاده گردید. شدت خشکسالی در دوره ماهانه با استفاده از شاخص درصد از نرمال بارندگی (PN) تعیین شد. سپس به وسیله مدل ANN با استفاده از شاخص PN پیش بینی شدت خشکسالی در دوره زمانی ماهانه انجام گردید. از بین داده های موجود 70 درصد به عنوان داده های آموزش و 15 و 15 درصد به ترتیب به عنوان داده های اعتبار سنجی و داده های آزمون انتخاب گردید. سپس از طریق معیارهای آماری شامل ضریب همبستگی، میانگین مجذور مربعات خطا و ضریب نش به کارایی عملکرد مدل ها پرداخته شد و نتایج نشان داد که شبکه عصبی مصنوعی مقادیر PN و وضعیت خشکسالی را با دقت قابل قبولی پیش بینی می نماید
پیشبینی خشکسالی با استفاده از نمایهPN به کمک مدل ANN(مطالعه موردی: حوزه آبریز مند استان فارس) Keywords:
پیشبینی خشکسالی با استفاده از نمایهPN به کمک مدل ANN(مطالعه موردی: حوزه آبریز مند استان فارس) authors
مهناز رستمی
دانشجوی کارشناسی ارشد، گروه آب و خاک، دانشکده کشاورزی، دانشگاه زابل
علیرضا مقدم نیا
دانشیار گروه مرتع و آبخیزداری، دانشکده کشاورزی، دانشگاه تهران
احمد پهلوانروی
دانشیار گروه آب و خاک، دانشکده کشاورزی، دانشگاه زابل
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 :