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:

399
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

540
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی مدل های تلفیقی شبکه ی عصبی مصنوعی-موجک و برنامه ریزی بیان ژن-موجک در پیش بینی کردن خشک سالی کوتاه مدت

صفحات

 صفحه شروع 39 | صفحه پایان 55

چکیده

 پیش بینی کردن خشک سالی نقش مهمی در طراحی و مدیریت کردن منابع طبیعی, سامانه های منابع آب و تعیین کردن نیاز آبی گیاه دارد. از سوی دیگر, تبدیل موجک یکی از روش های نوین و بسیار موثر در تجزیه کردن پیام ها و مجموعه های زمانی است. در این تحقیق پیام شاخص بارش معیار (SPI) با موجک مادر تجزیه کرده, و نتیجه ی آن ورودی مدل های شبکه ی عصبی مصنوعی و برنامه ریزی بیان ژن گرفته شد. برای پیش بینی کردن خشک سالی شبکه های عصبی مصنوعی شناسنده ی چندلایه, تابع پایه یی شعاعی, برنامه ریزی بیان ژن, شبکه های عصبی مصنوعی-موجک شناسنده ی چندلایه, تابع پایه یی شعاعی, و برنامه ریزی بیان ژن-موجک به کاربرده شد. داده های بارندگی از ایستگاه هواشناسی بیدستان با دوره ی داده برداری 44 ساله در آبخیز شور استان قزوین گرفته شد. وضعیت رطوبتی با شاخص بارندگی به معیارشده در دوره ی سه ماهه محاسبه کرده شد. برای تخمین مقدار شاخص بارندگی به معیارشده در هر بازه ی زمانی, اندازه های زمان های پیش تر به کاربرده شد. نتیجه ها نشان داد که از میان 6 مدل بررسی شده, برنامه ریزی بیان ژن-موجک با دقت بیش تری شاخص بارش معیار و وضعیت خشک سالی کوتاه مدت را پیش بینی می کند. در بهترین حالت نیز اندازه ی شاخص های R2, RMSE, MAE و NS در مرحله ی صحت سنجی برای مدل WA-GEP به ترتیب 0/911, 0/037, 0/022 و 0/845 بود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    یونسی، محبوبه، و نوذری، حامد. (1399). ارزیابی مدل های تلفیقی شبکه ی عصبی مصنوعی-موجک و برنامه ریزی بیان ژن-موجک در پیش بینی کردن خشک سالی کوتاه مدت. پژوهش های آبخیزداری (پژوهش و سازندگی)، 33(1 (پیاپی 126) )، 39-55. SID. https://sid.ir/paper/377095/fa

    Vancouver: کپی

    یونسی محبوبه، نوذری حامد. ارزیابی مدل های تلفیقی شبکه ی عصبی مصنوعی-موجک و برنامه ریزی بیان ژن-موجک در پیش بینی کردن خشک سالی کوتاه مدت. پژوهش های آبخیزداری (پژوهش و سازندگی)[Internet]. 1399؛33(1 (پیاپی 126) ):39-55. Available from: https://sid.ir/paper/377095/fa

    IEEE: کپی

    محبوبه یونسی، و حامد نوذری، “ارزیابی مدل های تلفیقی شبکه ی عصبی مصنوعی-موجک و برنامه ریزی بیان ژن-موجک در پیش بینی کردن خشک سالی کوتاه مدت،” پژوهش های آبخیزداری (پژوهش و سازندگی)، vol. 33، no. 1 (پیاپی 126) ، pp. 39–55، 1399، [Online]. Available: https://sid.ir/paper/377095/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