پیش بینی خشکسالی شهر خاش با استفاده از مدل شبکه عصبی

Publish Year: 1390
نوع سند: مقاله ژورنالی
زبان: Persian
View: 606

This Paper With 18 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JARGS-2-6_003

تاریخ نمایه سازی: 20 آبان 1397

Abstract:

در اثر تغییرات آب و هوایی رخدادهای ناگوار اقلیمی مانند خشکسالی در بسیاری از نقاط کره ی زمین تشدید شده است. در این پژوهش با استفاده از مدل شبکه ی عصبی خشکسالی های شهر خاش در سه بازهی زمانی ماهانه، سه ماهه و دوازده ماهه پیشبینی شد. جهت این امر آمار اقلیمی شامل نم نسبی، دما و بارش ایستگاه هواشناسی شهر خاش و شاخص های اقلیمی از سال 1961 تا 2010 مورد استفاده قرار گرفت و شاخص خشکسالی SPI به عنوان خروجی مدل ها در نظر گرفته شد. 70 درصد داده ها به عنوان داده های مرحله آموزش و 30 درصد به عنوان داده های آزمایش در نظر گرفته شد. شبکه های مورد استفاده از نوع پس انتشار و تابع پایه ی شعاعی با الگوریتم پس انتشار خطا و روش یادگیری لونبرگ مارکواردت میباشند. پس از تشکیل مدل های فراوان با ساختار متفاوت از تعداد ورودی، تعداد لایه و نرون، پیش بینی سه ماهه خشکسالی به عنوان بهترین بازه زمانی جهت پیشبینی خشکسالی شناخته شد و پس از آن پیشبینی دوازده ماهه خشکسالی نتایج مناسبی ارایه داد. مقایسه دو نوع شبکه عصبی نشان داد که شبکه پس انتشار با دو لایه پنهان 15 نرونی و با ورودی های بیشینه نمنسبی، میانگین نم نسبی با 3 فصل تاخیر، شاخص بارش موسمی جنوب غربی آمریکا با 4 فصل تاخیر، شاخص بارش موسمی جنوب غربی آمریکا با 2 فصل تاخیر، میانگین نم نسبی و کمینه ی نم نسبی مناسب ترین مدل جهت پیشبینی سه ماهه خشکسالی در شهر خاش میباشد. مقایسه نتایج مدل شبکه ی عصبی و مدل رگرسیونی بر دقت و توانایی شبکه ی عصبی در پیش بینی خشکسالی شهر خاش صحه گذاشت.

Keywords:

Authors

حسین نگارش

دانشیار دانشکده جغرافیا و برنامه ریزی محیطی دانشگاه سیستا نو بلوچستان، زاهدان، ایران

محسن آرمش

کارشناس ارشد اقلیم شناسی دانشگاه سیستان و بلوچستان، زاهدان، ایران