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:

1,635
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

910
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

3

اطلاعات مقاله نشریه

عنوان

مقایسه روش های مختلف پیش بینی شاخص خشک سالی SPI

صفحات

 صفحه شروع 145 | صفحه پایان 167

چکیده

خشک سالی یکی از پدیده های آب و هوایی است که در همه شرایط اقلیمی و در همه مناطق کره زمین به وقوع می پیوندد. پیش بینی خشک سالی نقش مهمی در طراحی و مدیریت منابع طبیعی, سیستم های منابع آب, تعیین نیاز آبی گیاه و... ایفا می نماید. در طی دهه های اخیر شبکه های عصبی توانایی های زیادی را در مدل سازی و پیش بینی سری های زمانی غیرخطی و غیرایستا نشان داده اند. از این رو, در این تحقیق به منظور پیش بینی خشک سالی, از دو نوع شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) و تابع پایه ای شعاعی(RBF)  استفاده شده است. به این منظور از داده های بارندگی ایستگاه نوده با دوره آماری 41 ساله در حوزه آب خیز گرگان رود, استفاده شد. وضعیت رطوبتی با استفاده از شاخص بارندگی استاندارد شده (SPI) در دوره های زمانی کوتاه مدت (1, 3, 6 و 9 ماهه) و بلندمدت (12, 24 و 48 ماهه) محاسبه گردید. سپس از بین داده های محاسبه شده, دوره 46-1345 الی 78-1377 به عنوان داده آموزش و دوره 79-1378 الی 86-1385 به عنوان داده آزمون انتخاب گردید. برای تخمین مقدار SPI در زمان t از مقادیر SPI در زمان های قبل استفاده شد. نتایج نشان داد که شبکه عصبی مصنوعی MLP نسبت به شبکه عصبی مصنوعی RBF با دقت بالاتری مقادیر SPI و وضعیت خشک سالی را پیش بینی می کند. همچنین مقایسه نتایج با نتایج حاصل از به کارگیری سری زمانی ARIMA نشان دهنده دقت بالای این روش می باشد.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    عیوضی، معصومه، مساعدی، ابوالفضل، و دهقانی، امیراحمد. (1388). مقایسه روش های مختلف پیش بینی شاخص خشک سالی SPI. پژوهش های حفاظت آب و خاک (علوم کشاورزی و منابع طبیعی)، 16(2)، 145-167. SID. https://sid.ir/paper/156221/fa

    Vancouver: کپی

    عیوضی معصومه، مساعدی ابوالفضل، دهقانی امیراحمد. مقایسه روش های مختلف پیش بینی شاخص خشک سالی SPI. پژوهش های حفاظت آب و خاک (علوم کشاورزی و منابع طبیعی)[Internet]. 1388؛16(2):145-167. Available from: https://sid.ir/paper/156221/fa

    IEEE: کپی

    معصومه عیوضی، ابوالفضل مساعدی، و امیراحمد دهقانی، “مقایسه روش های مختلف پیش بینی شاخص خشک سالی SPI،” پژوهش های حفاظت آب و خاک (علوم کشاورزی و منابع طبیعی)، vol. 16، no. 2، pp. 145–167، 1388، [Online]. Available: https://sid.ir/paper/156221/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    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