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

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

530
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

523
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه ی کارایی شبکه ی عصبی مصنوعی در پیش بینی خشکسالی هواشناسی با استفاده از پیوند از دور و پارامترهای اقلیمی (مطالعه ی موردی: جنوب استان قزوین)

صفحات

 صفحه شروع 1015 | صفحه پایان 1030

چکیده

خشکسالی در نگاهی کلی معلول یک دوره ی شرایط خشک غیرعادی است که به اندازه ی کافی دوام داشته و سبب عدم تعادل در وضعیت هیدرولوژیک یک ناحیه همچون افت منابع آب سطحی و زیرزمینی می گردد. هدف از این تحقیق مدل سازی پیش بینی خشکسالی هواشناسی در سه مقیاس زمانی کوتاه مدت, میان مدت و بلند مدت در ایستگاه باران سنجی واقع در دشت جنوبی استان قزوین, با استفاده از شبکه ی عصبی پرسپترون چندلایه و با در نظر گرفتن پارامترها و سیگنال های اقلیمی می باشد. بدین منظور سه سناریوی مختلف به عنوان ورودی های مدل, مورد آزمون قرار گرفت. پس از تعیین متغیرهای ورودی با روش همبستگی متقاطع اقدام به تعیین ترکیب بهینه ی متغیرها با استفاده از آزمون گاما گردید. نتایج نشان داد که با افزایش مقیاس زمانی از کوتاه مدت به بلند مدت, تأثیر سیگنال های اقلیمی افزایش و در عوض تأثیر پارامترهای هواشناسی کمتر می شود. همچنین مؤثرترین سیگنال اقلیمی و پارامتر هواشناسی در هر مقیاس, به ترتیب MEI (شاخص چند متغیره ی النینو-نوسانات جنوبی) و بارندگی معرفی گردیدند. جهت مدل سازی از شبکه ی عصبی با یک لایه ی مخفی با تعداد کافی نرون, با تابع سیگموئید در لایه ی میانی و تابع خطی در لایه ی خروجی استفاده شد. مناسب ترین تعداد نرون در هر سناریو تعیین شد. در نهایت براساس معیارهای ارزیابی, مناسب ترین ساختار شبکه در هر مقیاس زمانی و در سه سناریوی مورد بررسی تعیین گردید.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    مقصود، فاطمه، یزدانی، محمدرضا، رحیمی، محمد، ملکیان، آرش، و ذوالفقاری، علی اصغر. (1396). مقایسه ی کارایی شبکه ی عصبی مصنوعی در پیش بینی خشکسالی هواشناسی با استفاده از پیوند از دور و پارامترهای اقلیمی (مطالعه ی موردی: جنوب استان قزوین). مرتع و آبخیزداری (منابع طبیعی ایران)، 70(4 )، 1015-1030. SID. https://sid.ir/paper/162535/fa

    Vancouver: کپی

    مقصود فاطمه، یزدانی محمدرضا، رحیمی محمد، ملکیان آرش، ذوالفقاری علی اصغر. مقایسه ی کارایی شبکه ی عصبی مصنوعی در پیش بینی خشکسالی هواشناسی با استفاده از پیوند از دور و پارامترهای اقلیمی (مطالعه ی موردی: جنوب استان قزوین). مرتع و آبخیزداری (منابع طبیعی ایران)[Internet]. 1396؛70(4 ):1015-1030. Available from: https://sid.ir/paper/162535/fa

    IEEE: کپی

    فاطمه مقصود، محمدرضا یزدانی، محمد رحیمی، آرش ملکیان، و علی اصغر ذوالفقاری، “مقایسه ی کارایی شبکه ی عصبی مصنوعی در پیش بینی خشکسالی هواشناسی با استفاده از پیوند از دور و پارامترهای اقلیمی (مطالعه ی موردی: جنوب استان قزوین)،” مرتع و آبخیزداری (منابع طبیعی ایران)، vol. 70، no. 4 ، pp. 1015–1030، 1396، [Online]. Available: https://sid.ir/paper/162535/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا