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:

330
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

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

استناد:

اطلاعات مقاله نشریه

عنوان

ترکیب شبکه عصبی و تبدیل موجک به منظور پیش بینی خشک سالی کشور ایران با استفاده از داده های ماهواره ای مادیس و TRMM

صفحات

 صفحه شروع 175 | صفحه پایان 191

چکیده

خشک سالی را می توان به عنوان یکی از بحران های طبیعی در هر منطقه ای نام برد. در این پژوهش یکی از عوامل مهم در خشک سالی یعنی پوشش گیاهی.مد نظر قرار گرفته شده است. بدین منظور از تصاویر محصول ماهانه پوشش گیاهی.و پوشش برف سنجنده مادیس و محصول بارش ماهواره TRMM از سال 2009 تا سال 2018 برای منطقه مورد مطالعاتی کشور ایران استفاده شده است. بعد از پیش پردازش های اولیه با استفاده از روش شبکه عصبی مصنوعی و نیز روش ترکیبی شبکه عصبی و تبدیل موجک, به پیش بینی شاخص نرمالایز شده تفاوت پوشش گیاهی.پرداخته شده است. بعد از آموزش دو الگوریتم با استفاده از سری زمانی این شاخص و نیز سری زمانی میزان پوشش برف و بارش از سال 2009 تا سال 2017, شاخص نرمالایز شده تفاوت پوشش گیاهی.برای دوازده ماه از سال 2018 پیش بینی شده است که در نهایت با مقادیر واقعی آن مورد ارزیابی قرار گرفته است. نتایج و دقت پیش بینی برای این دو الگوریتم متفاوت بوده و در کل روش ترکیبی شبکه عصبی و تبدیل موجک دارای دقت بالاتری نسبت به روش شبکه عصبی بوده است؛ به طوری که میانگین دوازده ماه سال 2018 برابر با خطای جذر میانگین مربعات 055/0 و ضریب تشخیص 804/0 بوده است. همچنین نتایج نشان داده است که در هر دو روش دقت شاخص مذکور در ماه های ابتدایی سال 2018 نسبت به ماه های انتهایی بهتر است؛ از این رو می توان از این روش برای پیش بینی این شاخص که یکی از پارامترهای خشک سالی محسوب می شود؛ استفاده نمود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    مختاری دهکردی، رامین، و آخوندزاده هنزائی، مهدی. (1398). ترکیب شبکه عصبی و تبدیل موجک به منظور پیش بینی خشک سالی کشور ایران با استفاده از داده های ماهواره ای مادیس و TRMM. مهندسی فناوری اطلاعات مکانی، 7(4 )، 175-191. SID. https://sid.ir/paper/230153/fa

    Vancouver: کپی

    مختاری دهکردی رامین، آخوندزاده هنزائی مهدی. ترکیب شبکه عصبی و تبدیل موجک به منظور پیش بینی خشک سالی کشور ایران با استفاده از داده های ماهواره ای مادیس و TRMM. مهندسی فناوری اطلاعات مکانی[Internet]. 1398؛7(4 ):175-191. Available from: https://sid.ir/paper/230153/fa

    IEEE: کپی

    رامین مختاری دهکردی، و مهدی آخوندزاده هنزائی، “ترکیب شبکه عصبی و تبدیل موجک به منظور پیش بینی خشک سالی کشور ایران با استفاده از داده های ماهواره ای مادیس و TRMM،” مهندسی فناوری اطلاعات مکانی، vol. 7، no. 4 ، pp. 175–191، 1398، [Online]. Available: https://sid.ir/paper/230153/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    مرکز اطلاعات علمی SID
    strs
    دانشگاه امام حسین
    بنیاد ملی بازیهای رایانه ای
    کلید پژوه
    ایران سرچ
    ایران سرچ
    فایل موجود نیست.
    بازگشت به بالا