بررسی و تحلیل خشکسالی هواشناسی با استفاده از شبکه های عصبی مصنوعی در استان تهران

نویسندگان

علی اکبر عرب سلغار

حسین صدقی

مهران ملکی

چکیده

خشکسالی به عنوان یکی از بزرگ ترین بلایای طبیعی بشمار می آید، چه، تاثیر آن بر جوامع بشری بیش تر از دیگر بلایای طبیعی است. مطالعه در زمینه ی خشکسالی نقشی بسیار مهم در برنامه ریزی ها و مدیریت منابع آب دارد. هدف این مقاله، تحلیل و بررسی خشکسالی بر اساس داده های بارندگی سالانه در استان تهران با استفاده از آلگوریتم بدون فراسنج تحلیل مکانی شبکه های عصبی (sann) می باشد. داده های بهنجارسازی و معیار شده ی بارندگی به درجات معینی از شدت خشکسالی (بسیار زیاد، زیاد، متوسط و بدون خشکسالی) بر اساس روش حدآستانه و استفاده از توزیع بهنجار معیار طبقه بندی شدند سپس احتمالات خشکسالی در هر نقطه معین در منطقه تعیین شد و براساس نمایه ی شدت خشکسالی بیزین به درجات خشکسالی معین طبقه بندی شدند. همچنین، نقشه های شدت خشکسالی در استان تهران که نشان دهنده ی تغییرات مکانی از شدت خشکسالی برای کل منطقه در یک سال بخصوص می باشند، رسم گردیدند. نتایج نشان می دهند که در طول دوره ی آماری 30 ساله (1387-1358) 7/16% سال ها دارای خشکی بسیار زیاد، 65/26% سال ها دارای خشکی زیاد،30% سال ها دارای خشکی متوسط و 65/26% سال های بدون خشکی بوده اند که 23 درصد خشکسالیها مربوط به دهه ی نخست و دو دهه ی دیگر به گونه ی مساوی 5/38 درصد خشکسالی ها را به خود اختصاص داده اند

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بررسی و تحلیل خشکسالی هواشناسی با استفاده از شبکه‌های عصبی مصنوعی در استان تهران

خشکسالی به عنوان یکی از بزرگ ترین بلایای طبیعی بشمار می آید، چه، تاثیر آن بر جوامع بشری بیش تر از دیگر بلایای طبیعی است. مطالعه در زمینه ی خشکسالی نقشی بسیار مهم در برنامه‌ریزی‌ها و مدیریت منابع آب دارد. هدف این مقاله، تحلیل و بررسی خشکسالی بر اساس داده‌های بارندگی سالانه در استان تهران با استفاده از آلگوریتم بدون فراسنج تحلیل مکانی شبکه‌های عصبی (SANN) می‌باشد. داده‌های بهنجارسازی و معیار شده ...

متن کامل

تخمین عملکرد محصول جو در آذربایجان شرقی با استفاده از پارامترهای هواشناسی و شاخصهای خشکسالی به روش شبکه عصبی مصنوعی

دراین تحقیق ابتداپارامترهای هواشناسی شامل بارندگی، میانگین دمای ماکزیمم، میانگین دمای مینیمم، میانگین دمای متوسط، مجموع دماهای بیش از 10 درجه سانتیگراد، تبخیر، فشار بخار آب هوا، متوسط سرعت باد، تعداد ساعتهای آفتابی ورطوبت نسبی هوا در دوره رشد محصول وشاخصهای خشکسالی شامل شاخص درصدازنرمال(PNPI)، شاخص بارندگی سالانه استانداردSIAP) (، شاخص هیدروترمال) (HT تغییریافته، شاخص نگوین) (Km، شاخص ترانسو) ...

متن کامل

تخمین عملکرد محصول جو در آذربایجان شرقی با استفاده از پارامترهای هواشناسی و شاخصهای خشکسالی به روش شبکه عصبی مصنوعی

دراین تحقیق ابتداپارامترهای هواشناسی شامل بارندگی، میانگین دمای ماکزیمم، میانگین دمای مینیمم، میانگین دمای متوسط، مجموع دماهای بیش از 10 درجه سانتیگراد، تبخیر، فشار بخار آب هوا، متوسط سرعت باد، تعداد ساعتهای آفتابی ورطوبت نسبی هوا در دوره رشد محصول وشاخصهای خشکسالی شامل شاخص درصدازنرمال(pnpi)، شاخص بارندگی سالانه استانداردsiap) (، شاخص هیدروترمال) (ht تغییریافته، شاخص نگوین) (km، شاخص ترانسو) (...

متن کامل

طبقه‌بندی دمایی ایستگاه‌های هواشناسی کشور با استفاده از خوشه‌بندی فازی و شبکه عصبی مصنوعی کوهونن

چکیده طبقه­­بندی ایستگاه­های هواشناسی موجب اختصاص حجم زیادی از اطلاعات به چند دسته متجانس کوچک­تر، سهولت استفاده در مدل­سازی و هم­چنین کمک شایانی به گسترش اطلاعات نقطه­ای به اطلاعات منطقه­ای برای نقاط فاقد آمار می­نماید. در این تحقیق 112 ایستگاه هواشناسی پس از بررسی­های اولیه از بین تمام ایستگاه­های سینوپتیک کشور انتخاب و سپس با استفاده از خوشه­بندی فازی و شبکه عصبی مصنوعی کوهونن طبقه­بندی دمائ...

متن کامل

پیش‌بینی شاخص کیفیت هوا برمبنای متغیرهای هواشناسی و مولفه‌های خودهمبسته با استفاده از شبکه عصبی مصنوعی

Background: Air Quality Index (AQI) quantifies the relationship between air quality and the level of health. The value of AQI may be predicted using neural network model for a day in advance, based on the meteorological variables and autocorrelation behavior of the index in Kermanshah, a city in western Iran. Methods: Data for air pollution and meteorological variables, collected during thre...

متن کامل

تحلیل خشکسالی هواشناسی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات- شبکه‌های عصبی مصنوعی بر مبنای شاخص MSPI

پدیده خشکسالی یکی از بلایای طبیعی می­باشد که احتمال وقوع آن در تمام مناطق اقلیمی امکان­پذیر است و در هر منطقه­ای که روی می­دهد، باعث ایجاد آسیب­های جدی در محیط زیست و زندگی انسان­ها می­شود. بنابراین، پیش­بینی این پدیده مضر، می­تواند تأثیر قابل توجهی در مدیریت منابع آب داشته باشد و آثار مخرب آن را تا حد امکان کاهش دهد. در این مطالعه، ابتدا با استفاده از شاخص بارندگی استانداردشده چند متغیره (MSPI...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
فصلنامه علمی - پژوهشی مهندسی منابع آب

ناشر: دانشگاه آزاد اسلامی واحد مرودشت

ISSN 2008-6377

دوره 4

شماره 9 2011

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023