پیش بینی خشکسالی با استفاده از شبکه عصبی (منطقه مطالعاتی : استان خراسان شمالی شهرستان بجنورد)
Publish place: The First National Conference on Geography, Tourism, Natural Resources and Sustainable Development
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 904
This Paper With 15 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:
NCGTSD01_797
تاریخ نمایه سازی: 16 خرداد 1394
Abstract:
از دیر باز یکی از بزرگترین دغدغه های محققین و پژوهشگران، علم پیش بینی بوده است که بی تردید یکی از جدیدترین و پرکاربردترین روش های پیش بینی در سال های اخیر، استفاده از شبکه های عصبی مصنوعی می باشد.از ابتدای دهد 90 میلادیشبکه های عصبی علاوه بر استفاده در علوم مختلف چون هوافضا، حمل و نقل، الکترونیک و ... توانسته نقش بسیار برجسته ای درتقریب توابع پیجیده و پیش بینی انواع الگوهای موجود در حوزه هواشناسی را داشته باشد. در این مقاله با استفاده از روش هایمستقل از مدل های دینامیکی مانند روش شبکه عصبی مصنوعی (ANN) به پیش بینی خشکسالی خواهیم پرداخت که پس ازبررسی تاریخچه فعالیت های مرتبط و نیز آشنایی مختصر با عملکرد شبکه های عصبی مصنوعی، به طراحی شبکه و بررسی نتایجمی پردازیم. ورودی مدل شبکه عصبی آمار اقلیمی شامل دما، رطوبت و بارش ایستگاه هواشناسی بجنورد از سال 1356 تا 1391 رامورد استفاده قرار داده و شاخص خشکسالی SPI به عنوان خروجی مدل در نظر می گیریم. 85% داده ها در مرحله آموزش و 15%داده ها در مرحله آزمایش مورد استفاده قرار می دهیم. پس از تشکیل مدل، آموزش و تست داده ها، شبکه بهترین خروجی را بایک لایه پنهان و 8 نرون در آن لایه به منظور پیش بینی مورد استفاده داد. خروجی نشان داد مقادیر پیش بینی شده SPI توسطشبکه عصبی به مقادیر واقعی نزدیک می باشند.
Keywords:
Authors
مریم مختارزاد
دانشجوی کارشناسی ارشد موسسه آموزش عالی غیاث الدین جمشیدکاشانی
فرزاد اسکندری
دانشیار دانشگاه علامه طباطبائی
زینب عرب اسدی
عضو هیئت علمی دانشگاه بجنورد
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 :