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:

1,381
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

448
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدلسازی و پیش بینی سری زمانی شاخص های خشکسالی با روش های یادگیری ماشین به منظور مدیریت مخاطرات (مطالعه ی موردی: منطقه ی شرقی اصفهان)

صفحات

 صفحه شروع 51 | صفحه پایان 65

چکیده

 خشکسالی پدیده ای پیچیده و مخاطره آمیز در کل جهان به ویژه ایران به شمار می آید. تعیین و پیش بینی شدت خشکسالی می تواند در مدیریت مخاطرات ناشی از آن مؤثر باشد. برای تعیین شدت خشکسالی از شاخص هایی استفاده شده که به دو دسته ی کلی شاخص های هواشناسی و سنجش از دور تقسیم می شوند. مهم ترین شاخص هواشناسی, شاخص بارش استانداردشده (SPI) و در شاخص های سنجش از دور نیز, شاخص های مستخرج از پوشش گیاهی (NDVI) و شاخص دمای سطح زمین (LST) بوده است. برای مدلسازی رفتار سری زمانی این شاخص ها و همچنین پیش بینی مقادیر آینده ی آنها, روش های یادگیری ماشین توانسته اند کارایی زیادی از خود نشان دهند. این مقاله نیز قصد دارد کارایی چهار روش مهم یادگیری ماشین یعنی شبکه ی عصبی (NN), رگرسیون بردار پشتیبان (SVR), ماشین بردار پشتیبان کمترین مربعات (LSSVM) و همچنین یک سیستم فازی بر پایه ی شبکه ی عصبی تطبیقی (ANFIS) را برای مدلسازی شاخص های هواشناسی و سنجش از دور منطقه ی شرقی اصفهان از سال 2000 تا 2014 و پیش بینی مقادیر آنها در 2015 و 2016 بررسی کند. داده های به کاررفته, سری زمانی NDVI و LST ماهواره ی مادیس و سری زمانی داده ی میزان بارش ماهواره TRMM منطقه ی مطالعاتی است. در ابتدا, سری زمانی شاخص های وضعیت گیاهی (VCI) و شاخص پوشش گیاهی دمایی (TVX) از داده-های NDVI و LST و سری زمانی SPI-دوازده ماهه از داده های مقدار بارش ساخته شده است. در ادامه رفتار این سه سری زمانی, توسط هر چهار روش یادشده مدلسازی شده که مطابق با نتایج, SVR بیشترین کارایی و NN کمترین کارایی را در بین این روش ها داشته است. سرعت عملکرد LSSVM و سپس ANFIS نیز بیشتر از سایر روش ها بوده است. در پایان, با طراحی یک سیستم استنتاج فازی (FIS), وضعیت خشکسالی در دو فصل بهار و تابستان 2000 تا 2016 بررسی شده که نتایج نشان از نرمال بودن وضعیت بهار در همه ی سال ها به جز دو سال 2000 و 2011 و خشکسالی شدید تابستان در همه ی سال ها به جز چهار سال 2000, 2010, 2011 و 2014 داشته است. در واقع این پژوهش قصد داشت به کمک روش-های یادگیری ماشین و استفاده از سری زمانی داده های سنجش از دور و هواشناسی و تلفیق آنها در یک سیستم FIS, راهکاری را برای مدلسازی رفتار خشکسالی و پیش بینی و پایش آن در آینده ارائه دهد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    خسروی، ایمان، آخوندزاده، مهدی، و خوش گفتار، محمدمهدی. (1394). مدلسازی و پیش بینی سری زمانی شاخص های خشکسالی با روش های یادگیری ماشین به منظور مدیریت مخاطرات (مطالعه ی موردی: منطقه ی شرقی اصفهان). مدیریت مخاطرات محیطی، 2(1 )، 51-65. SID. https://sid.ir/paper/265047/fa

    Vancouver: کپی

    خسروی ایمان، آخوندزاده مهدی، خوش گفتار محمدمهدی. مدلسازی و پیش بینی سری زمانی شاخص های خشکسالی با روش های یادگیری ماشین به منظور مدیریت مخاطرات (مطالعه ی موردی: منطقه ی شرقی اصفهان). مدیریت مخاطرات محیطی[Internet]. 1394؛2(1 ):51-65. Available from: https://sid.ir/paper/265047/fa

    IEEE: کپی

    ایمان خسروی، مهدی آخوندزاده، و محمدمهدی خوش گفتار، “مدلسازی و پیش بینی سری زمانی شاخص های خشکسالی با روش های یادگیری ماشین به منظور مدیریت مخاطرات (مطالعه ی موردی: منطقه ی شرقی اصفهان)،” مدیریت مخاطرات محیطی، vol. 2، no. 1 ، pp. 51–65، 1394، [Online]. Available: https://sid.ir/paper/265047/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