پیش بینی خشکسالی با استفاده از شبکه های عصبی تاخیر زمانی مطالع ه موردی: دشت تبریز
Publish place: 3rd Iran Water Resources Management Conference
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,461
This Paper With 9 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:
WRM03_073
تاریخ نمایه سازی: 28 فروردین 1387
Abstract:
خشکسالی یک رخداد نادر طبیعی نیست و یکی از خصوصیات اقلیمی به شمار می آید. خشکسالی در صورت ادامه به مدت چندین ماه و یا سال می تواند مناطق وسیعی را تحت تاثیر قرار دهد و موجب صدمات بسیار زیاد اجتماعی، تخریب محیط زیست و خسارات اقتصادی گردد. پیش بینی خشکسالی می تواند ما را در جلوگیری از بروز این مشکلات یاری نماید. شاخص های خشکسالی که معمولاً به صورت یک عدد منفرد بیان می شوند برای ایجاد قدرت تصمیم گیری بهتر توسط برنامه ریزان و طراحان استفاده می شوند. شاخص شدت خشکسالی پالمر (PDSI) که به طور وسیعی توسط وزارت کشاورزی امریکا مورد استفاده قرار گرفته است، بر مقادیر دما و بارش و همچنین رطوبت خاک استوار می باشد. در تحقیق حاضر برای پیش بینی شاخص شدت خشکسالی پالمر در
منطقه دشت تبریز از یک شبکه عصبی تاخیر زمانی استفاده شده است. مدل ارایه شده قادر است با استفاده از مقادیر PDSI در ماه های قبل، مقدار آن را در ماه آینده با دقت بسیار زیادی (فرمول داخل متن) تخمین بزند .همچنین این مدل قادر است تخمین بسیار مناسبی برای داده هایی که هرگز در آموزش شبکه بکار نرفته اند ارائه نماید.
Keywords:
Authors
حبیب صیادی
دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه تبریز
احد فعالیان
دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه تبریز
علی اشرف صدرالدینی
استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
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 :