بررسی عملکرد شبکه عصبی مصنوعی و سری های زمانی در مدل سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه های منتخب استان خوزستان)
Authors
abstract
خشکسالی پدیدهای طبیعی است که میتواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازههای طبیعی وارد آورد. در این تحقیق به منظور پیشبینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکههای عصبیمصنوعی، پرسپترون چند لایه و تابع پایهی شعاعی و مدلهای سریزمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دورههای سه، شش، نه و دوازده ماههی ایستگاههای منتخب استان خوزستان محاسبه گردید. سپس با استفاده از مدلهای شبکه عصبیمصنوعی و سریهای زمانی اقدام به پیشبینی مقادیر شاخص بارش استاندارد گردید. نتایج این تحقیق نشان داد که مدلهای سریزمانی در تمام دورههای زمانی مورد مطالعه عملکرد بهتری در پیشبینی مقادیر شاخص بارش استاندارد نسبت به شبکههای عصبیمصنوعی دارند و شبکه عصبیمصنوعی پرسپترونچندلایه نیز نسبت به شبکه عصبیمصنوعی تابع پایهی شعاعی در تمام دورهها مقادیر شاخص بارش استاندارد را بهتر پیشبینی میکند.
similar resources
بررسی عملکرد شبکه عصبی¬مصنوعی و سری¬های زمانی در مدل¬سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه¬های منتخب استان خوزستان)
خشکسالی پدیدهای طبیعی است که میتواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازههای طبیعی وارد آورد. در این تحقیق به منظور پیشبینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکههای عصبیمصنوعی، پرسپترون چند لایه و تابع پایهی شعاعی و مدلهای سریزمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دورههای سه، شش، نه و دوازده ماههی ایستگاههای منتخب استان خوزستان محا...
full textبررسی عملکرد شبکه عصبی¬مصنوعی و سری¬های زمانی در مدل¬سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه¬های منتخب استان خوزستان)
خشکسالی پدیدهای طبیعی است که میتواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازههای طبیعی وارد آورد. در این تحقیق به منظور پیشبینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکههای عصبیمصنوعی، پرسپترون چند لایه و تابع پایهی شعاعی و مدلهای سریزمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دورههای سه، شش، نه و دوازده ماههی ایستگاههای منتخب استان خوزستان محا...
full textمقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان
full text
مقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان
بارندگی یکی از اجزای اصلی چرخهی هیدرولوژی است. این فرآیند پیچیده به عوامل متعدد اقلیمی وابسته است. شبکه های عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدل سازی سیستم های پیچیده و غیر خطی قابلیت بسیار بالایی از خود نشان داده است. تحقیق حاضر در سه ایستگاه منتخب از استان خوزستان صورت گرفته است. برای این منظور از دادههای بارندگی ماهانه سه ایستگاه هواشناسی استان به مدت 48سال، (1340-1...
full textبررسی و کاربرد شاخص خشکسالی تبخیرو تعرق بارش استاندارد شده (SPETI) (مطالعه موردی: ایستگاه هواشناسی تبریز )
مقاله حاضر یک شاخص خشکسالی جدید را معرفی می کند: شاخص تبخیرو تعرق بارش استاندارد شده 1[1] (SPETI). شاخص SPETI بر اساس داده های دما و بارش پایه ریزی شده است و مزیت های اصلی آن چند مقیاسی بودن آن است بدین معنی که مقیاس آن در دوره های زمانی مختلف قابل ارائه است و تأثیر تغییرات دما د...
full textمقایسه دقت پیش بینی مدل های باکس- جنکینز در مدل سازی بارندگی فصلی(مطالعه موردی: ایستگاه های منتخب استان خوزستان)
بنا بر اهمیت روز افزون تأمین آب در کشور، مدیریت منابع آب از اهمیت ویژه ای برخوردار است. پیش بینی بارندگی به عنوان یکی از مهمترین پارامترهای اقلیمی از اهمیت ویژه ای در استفاده از منابع برخوردار است. برای پیش بینی بارش می توان از سری های زمانی استفاده کرد. پژوهش حاضر در سه ایستگاه منتخب (اهواز، آبادان و دزفول) از استان خوزستان به منظور مقایسه دقت مدل های باکس- جنکینز انجام شده است. برای این منظور...
full textMy Resources
Save resource for easier access later
Journal title:
خشکبومجلد ۳، شماره ۱، صفحات ۸۲-۸۷
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023