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:

188
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

537
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی طوفان های گردوغبار در استان خوزستان با استفاده از شبکه های عصبی مصنوعی

صفحات

 صفحه شروع 52 | صفحه پایان 69

چکیده

 در این پژوهش برای پیش بینی طوفان های گردوغبار, داده های ساعتی گردوغبار و داده های ماهانه دمای بیشینه, کمینه, میانگین, سرعت بیشینه باد و مجموع بارش در سه ایستگاه سینوپتیک آبادان, اهواز و بستان با طول دوره آماری 25 ساله (2014-1990) گردآوری شد. برای بررسی تاثیرپذیری طوفان های گردوغبار از نوسانات اقلیمی علاوه بر متغیرهای مذکور, شاخص خشک سالی استانداردشده بارش-تبخیر و تعرق (SPEI) نیز در پنجره زمانی فصلی محاسبه گردید. پیش بینی تعداد روزهای همراه با طوفان های گردوغبار در مقیاس فصلی با استفاده از چهار روش هوش مصنوعی شامل MLP, ANFIS, RBF و GRNN انجام شد که در قالب سه آزمایش شامل بررسی تاثیر افزودن ویژگی های کمکی بر روی پیش بینی, بررسی تاثیر تعداد فصل های گذشته در پیش بینی و بررسی بهترین تکنیک از بین مدل های استفاده شده مورد ارزیابی قرار گرفت. نتایج نشان داد که در تمامی ایستگاه ها, استفاده از همه ویژگی ها باعث بهبود پیش بینی گردوغبارشده است و مقدار شاخص میانگین قدر مطلق خطا (MAE) برای ایستگاه های آبادان, اهواز و بستان به ترتیب برابر با 1/15, 1/66 و 0/66 به دست آمد که همگی مربوط به فصل پاییز بودند. همچنین نتایج نشان داد که در ایستگاه بستان, با فرض ثابت بودن داده های چهار فصل گذشته و استفاده از تمام ویژگی های ورودی, مدل ANFIS باعث می شود که خطای پیش بینی کمتر شده و نتیجه بهتری حاصل شود. در ایستگاه آبادان استفاده از مدل MLP چنین نتیجه ای را به دست می دهد. ضمن اینکه در ایستگاه اهواز مدل RBF بهترین مدل شناخته شد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    پورغلام آمیجی، مسعود، انصاری قوجقار، محمد، و احمدالی، خالد. (1400). پیش بینی طوفان های گردوغبار در استان خوزستان با استفاده از شبکه های عصبی مصنوعی. نیوار، 45(114-115 )، 52-69. SID. https://sid.ir/paper/958582/fa

    Vancouver: کپی

    پورغلام آمیجی مسعود، انصاری قوجقار محمد، احمدالی خالد. پیش بینی طوفان های گردوغبار در استان خوزستان با استفاده از شبکه های عصبی مصنوعی. نیوار[Internet]. 1400؛45(114-115 ):52-69. Available from: https://sid.ir/paper/958582/fa

    IEEE: کپی

    مسعود پورغلام آمیجی، محمد انصاری قوجقار، و خالد احمدالی، “پیش بینی طوفان های گردوغبار در استان خوزستان با استفاده از شبکه های عصبی مصنوعی،” نیوار، vol. 45، no. 114-115 ، pp. 52–69، 1400، [Online]. Available: https://sid.ir/paper/958582/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • 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