مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,335
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

1

اطلاعات مقاله نشریه

عنوان

پیش بینی بارندگی سالانه در استان کرمان با استفاده از شبکه های عصبی مصنوعی

صفحات

 صفحه شروع 123 | صفحه پایان 132

چکیده

 پیش بینی بارندگی سالانه, معمولا می تواند موفقیت در کشت دیم, طراحی پروژه های مهندسی منابع آب, برنامه ریزی های اقتصادی منطقه ای و مدیریت بهتر منابع را تضمین نماید. در سال های اخیر استفاده از روش های مدل سازی مبتنی بر هوش مصنوعی در علوم مهندسی آب مورد توجه جدی محققین قرار گرفته است. در این تحقیق سعی شده است با تکیه بر توانایی های شبکه های عصبی مصنوعی مدلی جهت پیش بینی بارندگی سالانه در استان کرمان ارایه شود. ابتدا آمار بارندگی روزانه و سالیانه در 12 ایستگاه دارای آمار طولانی مدت (حداقل 30 سال) استان کرمان جمع آوری و سپس متغیرهای مستقلی همچون بارندگی سالانه 1, 2 و 3 سال گذشته و میانگین درازمدت هر ایستگاه استخراج گردید. با آگاهی از وجود همبستگی مناسب میان طول فاصله زمانی وقوع 47.5 میلی متر بارش از ابتدای پاییز با مقدار بارندگی سالانه و دیگر متغیرهای مستقل یادشده, مدلی برای پیش بینی بارندگی سالانه با استفاده از رگرسیون خطی چند متغیره و شبکه های عصبی مصنوعی ارایه شد. مقایسه نتایج آزمون مدل های نهایی برای یک سری داده مستقل که در آموزش و صحت سنجی مدل ها نقش نداشتند حاکی از توانایی بالای مدل شبکه عصبی در شبیه سازی روند دوره های کاهش و یا افزایش بارش و پیش بینی بارندگی سالانه بود. برتری مدل شبکه عصبی نسبت به مدل رگرسیون خطی چند متغیره نیز آشکار بود.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    کریمی گوغری، شهرام، و اسلامی، امیر. (1387). پیش بینی بارندگی سالانه در استان کرمان با استفاده از شبکه های عصبی مصنوعی. مجله آبیاری و زهکشی ایران، 2(2)، 123-132. SID. https://sid.ir/paper/131436/fa

    Vancouver: کپی

    کریمی گوغری شهرام، اسلامی امیر. پیش بینی بارندگی سالانه در استان کرمان با استفاده از شبکه های عصبی مصنوعی. مجله آبیاری و زهکشی ایران[Internet]. 1387؛2(2):123-132. Available from: https://sid.ir/paper/131436/fa

    IEEE: کپی

    شهرام کریمی گوغری، و امیر اسلامی، “پیش بینی بارندگی سالانه در استان کرمان با استفاده از شبکه های عصبی مصنوعی،” مجله آبیاری و زهکشی ایران، vol. 2، no. 2، pp. 123–132، 1387، [Online]. Available: https://sid.ir/paper/131436/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    فایل موجود نیست.
    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button