ارزیابی روشهای شبکهی عصبی مصنوعی و زمین آمار در برآورد توزیع مکانی عملکرد گندم دیم و آبی (مطالعهی موردی: خراسان رضوی)
نویسندگان
چکیده
پژوهش حاضر با هدف پیش بینی میزان عملکرد گندم آبی و دیم با روش های زمین آمار کریجینگ و شبکهی عصبی مصنوعی در سطح استان خراسان رضوی انجام گرفت. بدین منظور نخست مشخّصات طول و عرض جغرافیایی هفده شهرستان مورد مطالعه، به عنوان ورودی های هر دو روش تعریف شد. خروجی هر روش نیز مقدار عملکرد گندم آبی و دیم هر شهرستان بود. در بخش زمین آمار سه روش کریجینگ معمولی، کریجینگ ساده و کریجنگ عمومی و در بخش شبکهی عصبی مصنوعی، ساختار پرسپترون سهلایه با الگوریتم پس انتشار خطا، مورد ارزیابی قرار گرفت. نتایج نشان دادند در بین روش های زمین آمار، روش کریجینگ ساده با نیمتغییرنمای دایرهای در پیش بینی عملکرد گندم آبی با مجذور میانگین مربّعات خطای نرمال 120/0 و روش کریجینگ معمولی با نیم تغییرنمای نمایی و مجذور میانگین مربّعات خطای نرمال 348/0 در پیش بینی عملکرد گندم دیم مناسب بود. مقایسهی نتایج زمین آمار و شبکهی عصبی مصنوعی بیانگر توانایی بالای شبکهی عصبی در مقابل روش زمین آمار کریجینگ بود، بهطوری که در شبکهی عصبی مصنوعی عملکرد گندم دیم و آبی به ترتیب با 46 و 42 درصد خطای کمتر نسبت به روش زمین آمار برآورد شد. همچنین محاسبهی شاخص ویلموت نشان داد دقّت شبکهی عصبی در پیش بینی عملکرد گندم دیم، 81 درصد و در گندم آبی 65 درصد بود. در حالی که شاخص ویلموت برای پیش بینی عملکرد گندم دیم و آبی به روش زمین آمار، به ترتیب 53 درصد و 50 درصد به دست آمد. درمجموع می توان چنین نتیجه گرفت که روش شبکهی عصبی مصنوعی با تلفیق دو عامل طول و عرض جغرافیایی، قادر به پیش بینی عملکرد گندم آبی و دیم پیش از برداشت با دقّت مناسب است.
منابع مشابه
ارزیابی شبیههای مختلف شبکهی عصبی مصنوعی و روشهای زمین آمار درتکمیل دادههای مفقود بارش روزانه
افزایش دقت براورد دادههای مفقود بارش روزانه، بویژه در حوضههای بزرگ آبخیز با شبکه باران سنجی غیر متراکم، یکی از چالشهای آبشناسها میباشد. در این مطالعه، شش شبیه شبکه عصبی مصنوعی به نامهای MLP، TLFN، RBF، RNN، TDRNN وCFNN با روشهای مختلف اعتبار سنجی برای تکمیل دادههای مفقود بارش روزانه در مقایسه با روشهای زمین آمار کریجینگ و کوکریجینگ با شبیههای مختلف مورد بررسی قرار گرفته اند. برای ارزیابی د...
متن کاملتوسعه و کاربرد مدل های عصبی، فازی، الگوریتم ژنتیک و زمین آمار در برآورد توزیع مکانی سطح ایستابی
متن کامل
پیشبینی مکانی غلظت فلوئورید با استفاده از مدلهای شبکههای عصبی مصنوعی و زمین آمار
در چند دهة اخیر محقّقین به ناهنجاریهای شیمیایی موجود در آب، خاک و هوا که سلامتی انسانها را تهدید میکنند، توجه خاصی داشتهاند. از این میان غلظت بیش از حد استاندارد (5/1 میلیگرم بر لیتر) فلوئورید در آبهای شرب به دلیل تأثیر مستقیم روی فیزیولوژی بدن انسان، اهمیت بالایی دارد. در منابع آبی دشتهای بازرگان و پلدشت غلظت فلوئورید بیش از حد استاندارد جهانی (WHO) است. هدف این تحقیق تعیین تغییرات مکانی ...
متن کاملارزیابی روش های زمین آمار در برآورد توزیع مکانی بارش استان همدان در محیط gis
یکی از مشکلات مهم مطالعات منابع آب، برآورد منطقهای بارندگی بر اساس مشاهدات نقطهای میباشد که میتواند بهروشهای مختلفی صورت گیرد. در این مطالعه، با استفاده از قابلیت سیستم اطلاعات جغرافیایی و بکارگیری برخی از روشهای زمینآمار از قبیل کریجینگ (ساده، معمولی و عمومی) و توابع پایه شعاعی، تغییرات مکانی مشخصههای بارش سالانه استان همدان مورد ارزیابی قرارگرفت است. بدین منظور از دادههای آماری 11 س...
متن کاملمقایسة روشهای زمینآماری و شبکة عصبی مصنوعی در برآورد توزیع مکانی عمق برف (مطالعة موردی: حوضة آبخیز سخوید، یزد)
در بسیاری از حوضههای آبخیز کوهستانی، برف انباشتهشده در برفچالها ذخیرة درخور توجهی از منابع آب حوضهها را تأمین میکند. بنابراین، پایش این رژیم هیدرولوژیکی، بهویژه بررسی توزیع مکانی ذخایر برفی، از نیازهای اساسی مدیران منابع آب بهشمار میرود. به دلیل سختبودن و حتی در برخی موارد ناممکنبودن آماربرداری از دادههای برف، توسعة روشهایی برای برآوردِ عمقِ برف در نقاط فاقد اندازهگیری و نیز بررسی د...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهشهای جغرافیای طبیعیناشر: مؤسسه جغرافیا
ISSN 2008-630X
دوره 44
شماره 4 2012
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023