پیش بینی بلندمدت بارش با استفاده از سیگنال های هواشناسی : کاربرد شبکه های عصبی مصنوعی
Publish place: 7th International Congress on Civil Engineering
Publish Year: 1385
Type: Conference paper
Language: Persian
View: 5,351
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICCE07_033
Index date: 19 January 2006
پیش بینی بلندمدت بارش با استفاده از سیگنال های هواشناسی : کاربرد شبکه های عصبی مصنوعی abstract
در این مقاله مدل هایی بر مبنای شبکه های عصبی مصنوعی به منظور پیش بینی بلند مدت بارش حوزه های غربی ایران با در نظر گرفتن اثر سینگال برزگ مقیاس اقلیمی به عنوان پیش بینی کننده های بارش (predictors ) ارائه می گردد. سینگال های اقلیمی مورد استفاده عبارت از فشارو دمای سطح دریا، اختلاف فشار سطح دریا و ارتفاع معادل سطح 500 هکتوپاسکال در نقاط شاخص می باشند. این نقاط شاخص مکان هایی در دریاهای مدیترانه و سیاه، گرین لند و آزور را در برمی گیرند. متوسط شش ماهه ژوئن تا نوامبر سیگنال های فوق الذکر به عنوان ورودی مدل های شبکه های عصبی در نظر گرفته شده ومتوسط بارش ماه های ژانویه تا ژوئن سال بعد نیز،که درصد قابل ملاحظه ای از بارش سالانه خواهد بود، خروجی این مدل ها را تشکیل می دهد. برای مدلسازی سیستم از شبکه های عصبی تاخیر زمانی با الگوریتم یادگیری تطبیقی استفاده می گردد. به منظور مقایسه، مدل آماریARMAX نیزبرای پیش بینی بارش منطقه به کار گرفته می شود. نتایج بدست آمده حاکی از کارآیی مناسب و دقت قابل قبول شبکه های عصبی مصنوعی درپیش بینی بلندمدت بارش است .ازنتایج این روش می توان جهت تخمین وضعیت بارش سال آینده و به تبع آن در برنامه ریزی و مدیریت بهینه ی منابع آب استفاده نمود.
پیش بینی بلندمدت بارش با استفاده از سیگنال های هواشناسی : کاربرد شبکه های عصبی مصنوعی Keywords:
پیش بینی بلندمدت بارش , سیگنال های بزرگ مقیاس اقلیمی , شبکه های عصبی مصنوعی
پیش بینی بلندمدت بارش با استفاده از سیگنال های هواشناسی : کاربرد شبکه های عصبی مصنوعی authors
محمد کارآموز
استاد، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر،تهر
فرید رمضانی
دانشجوی کارشناسی ارشد آب،دانشگاه صنعتی امیرکبیر،تهران
سامان رضوی
کارشناس ارشد سازه های هیدرولیکی دانشگاه صنعتی امیرکبیر،تهران