تعیین بارندگی در سال های فاقد آماربا استفاده ازمدل شبکه عصبی
Publish place: The second national conference on desert with the approach of managing arid and desert areas
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 523
This Paper With 8 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:
DESERT02_212
تاریخ نمایه سازی: 7 بهمن 1393
Abstract:
روش های مختلفی به منظور پیش بینی وضعیت بارش، وجود دارد. یکی از روش های مدل سازی رفتار بارش، شبکه های عصبی مصنوعی است که از مؤلفه های هوش مصنوعی محسوب می شود. در این گونه مدل ها بد ون در نظر گرفتن معادلات پیچیده غیرخطی، می توان دینامیک حاکم بر سیستم را استخراج نموده و از این طریق، خروجی های مدل را پیش بینی نمود. بنابراین با هدف ساده سازی پیش بینی بارش در این تحقیق، با استفاده از اطلاعات بارش سالانه 39 ایستگاه کامل در دوره آماری (1390-1375)سال شمسی در مدل سازی و سپس پیش بینی بارش سالانه 26 ایستگاه ناقص به کمک شبکه های عصبی مصنوعی صورت گرفته است. پس از بررسی معیار های آماری برازش، از جمله ضرایب روابط رگرسیونی بین مقادیر واقعی و پیش بینی شده بارش، ضریب همبستگی(R) محاسبه شد و نشان داده شد که پیش بینی سالانه بارش، با دقت قابل قبولی انجام شده است. چنان چه به طور مثال در بهترین مدل، میزان ضریب همبستگی 99/0 به دست آمده است.
Keywords:
Authors
نرگس سقازاده
دانشجوی کارشناسی ارشد آبخیزداری دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان
علی فتح زاده
استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان
روح الله تقی زاده
استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان
هدی قاسمیه
استادیار دانشکده منابع طبیعی و علوم زمین دانشگاه کاشان
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 :