پیش بینی خشکسالی با نمایه های SPI و EDI به روش مدل سازی ANFIS بر مبنای خوشه بندی C-Mean و SC (مطالعه موردی: استان کهگیلویه و بویر احمد)
عنوان مقاله: پیش بینی خشکسالی با نمایه های SPI و EDI به روش مدل سازی ANFIS بر مبنای خوشه بندی C-Mean و SC (مطالعه موردی: استان کهگیلویه و بویر احمد)
شناسه ملی مقاله: JR_AGRIMET-5-1_005
منتشر شده در شماره ۱ دوره ۵ فصل فروردین در سال 1396
شناسه ملی مقاله: JR_AGRIMET-5-1_005
منتشر شده در شماره ۱ دوره ۵ فصل فروردین در سال 1396
مشخصات نویسندگان مقاله:
مهدی کماسی - استاد گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آیت الله بروجردی (ره)، بروجرد، خرم آباد
مهدی ملک محمودی - دانشجوی کارشناسی ارشد مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه یاسوج
حسین منتصری - استادیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه یاسوج
خلاصه مقاله:
مهدی کماسی - استاد گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آیت الله بروجردی (ره)، بروجرد، خرم آباد
مهدی ملک محمودی - دانشجوی کارشناسی ارشد مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه یاسوج
حسین منتصری - استادیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه یاسوج
خشکسالی از جمله اصلی ترین و قدیمی ترین بلای طبیعی است که اثرات زیست محیطی مھمی را به دنبال دارد. استان کھگیلویه و بویر احمد علیرغم آنکه از لحاظ میزان بارش مقام سوم را در سطح کشور دارا می باشد، اما خشکسالی ھا به طور متناوب این استان را تحت تاثیر قرار داده و خسارات بسیار سنگینی را به دنبال دارند. یافتن نمایه ھای اندازه گیری خشکسالی برای پیش بینی و ارزیابی مکانی و زمانی این پدیده به منظور مدیریت بحران آن ضروری و حیاتی به نظر می رسد. در این پژوھش با استفاده از مبانی شبکه ھای عصبی مصنوعی (ANN) و مدل عصبی فازی تطبیقی (ANFIS) به ھمراه آنالیز خوشه بندی فازی برای پیش بینی خشکسالی با نمایه بارش استاندارد (SPI) و نمایه خشکسالی موثر (EDI) استفاده گردیده است. نتایج به دست آمده از پژوھش بیانگر آن است که نمایه SPI با ضریب صحت سنجی 0/87 نسبت به نمایه EDI با ضریب صحت سنجی 0/73 قابلیت و دقت بیشتری در پیش بینی خشکسالی دارد و از طرف دیگر راھبرد شبکه عصبی- فازی تطبیقی بر مبنای روش خوشه بندی تکراری (C-Mean) و کاهشی (SC) در امر مدل سازی برای پیش بینی خشکسالی از کارایی بالایی برخوردار است. نتایج نشان می دھد که خوشه بندی باعث افزایش دقت مدل سازی در مرحله صحت سنجی و واسنجی شده است. ھمچنین خوشه بندی تکراری با ضریب واسنجی 0/93 و ضریب صحت سنجی 0/87 بھترین مدل می باشد.
کلمات کلیدی: خشکسالی، خوشه بندی فازی، شبکه عصبی-فازی تطبیقی، کهگیلویه و بویر احمد، نمایه های EDI و SPI
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/833347/