پیشبینی خشکسالی هیدرولوژیکی با استفاده از شبکههای عصبی مصنوعی
Publish place: The Second National Seminar on Drought Effects/Management
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,354
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:
NSDEM02_097
تاریخ نمایه سازی: 6 اسفند 1387
Abstract:
خشکسالی جزء بلایای طبیعی محسوب میشود که در اثر تغییر الگوهای آب و هوایی ناشی از کاهش نزولات جوی کمتر از حد معمول، به وجود میآید و ادامه آن موجب عدم تعادل اکولوژیکی و هیدرولوژیکی میشود. پیشبینی خشکسالی میتواند ما را در جلوگیری از بروز این مشکلات یاری نماید. شاخصهای خشکسالی که معمولاً به صورت یک عدد منفرد بیان میشوند، برای ایجاد قدرت تصمیمگیری بهتر توسط برنامه ریزان و طراحان استفاده میشوند. در این تحقیق کارایی شبکههای عصبی تاخیر زمانی در پیش بینی خشکسالی هیدرولوژیکی (شاخص استاندارد شده بارندگی Z) در منطقه همدان مورد ارزیابی قرار گرفته است. برای انتخاب بهترین مدل از معیارهای ضریب همبستگی، جذر میانگین مربع خطا و میانگین خطای مطلق استفاده شده است. نتایج این تحقیق بیانگر کارایی بالای مدل تاخیر زمانی در پیش بینی خشکسالی میباشد. شایان ذکر است که مقادیر ضریب همبستگی، جذر میانگین مربع خطا و میانگین خطای مطلق در فصل زمستان به ترتیب برابر 9/0، 17/0 و 22/0 میباشد. لذا با پیشبینی خشکسالیها میتوان راهکارهای اساسی و مدیریتی موثر در جهت کاهش اثرات بحران ناشی از خشکسالی و حفاظت از منابع آب اعمال نمود.
Keywords:
Authors
وحید یزدانی
دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه بوعلی سینا
حسین بانژاد
استادیار گروه مهندسی آب دانشگاه بوعلی سینا
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 :