ارزیابی کارایی مدل شبکه عصبی مصنوعی برای ریزمقیاس نمایی و پیشبینی بلندمدت متغیرهای اقلیمی
Authors
Abstract:
Atmosphere–ocean coupled global climate models (GCMs) are the main source to simulate the climate of the earth climate. The computational grid of the GCMs is coarse and so, they are unable to provide reliable information for hydrological modelling. To eliminate such limitations, the downscaling methods are used. The present study is focused on simulating the impact of climate change on the behavior of precipitation and temperature of Sirjan synoptic station in Kerman Province. At first, the capability of artificial neural network to downscaling of climate variables that predicted by CanESM2 is tested. Then, using the most appropriate models, the mean monthly temperature and precipitation amounts forecast for future periods under RCP 4.5 scenario. Results of this study for monthly temperature downscaling indicated that the artificial neural network with 2 hidden layer, 8 neurons, with Tangent and Log sigmoid activation function was the best model, so that RMSE, NS and R2 were 0.387 , 0.973 and 0.917 respectively. Also, for precipitation variable, the structure with 2 hidden layer feed forward perceptron, 8 neurons, Tangent and Log sigmoid activation function and Levenberg-Marquardt algorithm had better performance, so that RMSE, NS and R2 were 2.867, 0.849 and 0.924, respectively. Results indicate that until 2099, amount of monthly mean temperature under RCP 4.5 emission scenario will be increased by 3 (˙C) and the highest increase is predicted for August by 3.9 (˙C) and a lower increase in April by 1.8 (˙C). The results also showed considerable increase of precipitation for June to November and noticeable decrease for March and May months. However, no change occure in annaul scale (inter-annual).
similar resources
ارزیابی کارایی مدل های شبکه عصبی مصنوعی در تخمین عملکرد محصول زعفران بر اساس پارمترهای اقلیمی
زعفران به عنوان با ارزش ترین محصول کشاورزی و دارویی جهان جایگاه ویژه ای در بین محصولات صنعتی و صادراتی ایران دارد. در حال حاضر ایران بزرگترین تولیدکننده و صادرکننده زعفران در جهان است، بطوریکه بیش از 7/93 درصد تولید جهانی این محصول گران بها به ایران اختصاص دارد، اما علیرغم قدمت کشت زعفران و ارزش افزوده این محصول در مقایسه با بسیاری از محصولات زراعی رایج در کشور سهم کمتری از فناوری های نوین را ب...
full textارزیابی کارایی مدلهای شبکه عصبی مصنوعی در تخمین عملکرد محصول زعفران بر اساس پارمترهای اقلیمی
زعفران به عنوان با ارزش ترین محصول کشاورزی و دارویی جهان جایگاه ویژه ای در بین محصولات صنعتی و صادراتی ایران دارد. در حال حاضر ایران بزرگترین تولیدکننده و صادرکننده زعفران در جهان است، بطوریکه بیش از 7/93 درصد تولید جهانی این محصول گران بها به ایران اختصاص دارد، اما علیرغم قدمت کشت زعفران و ارزش افزوده این محصول در مقایسه با بسیاری از محصولات زراعی رایج در کشور سهم کمتری از فناوری های نوین را ب...
full textمدل سازی تبخیر- تعرق گیاه پتانسیل با استفاده از شبکه عصبی مصنوعی با حداقل متغیرهای اقلیمی در ایستگاه سینوپتیک مشهد
full text
مقایسه قابلیتهای مدلهای مبتنی بر حافظه بلندمدت و مدل های شبکه عصبی پویا در پیشبینی بازدهی بورس اوراق بهادار تهران
این مقاله با هدف معرفی یک الگوی مناسب جهت پیشبینی شاخص بازدهی بورس اوراق بهادار تهران صورت پذیرفته است. دادههای مورد استفاده در این پژوهش به صورت روزانه و شامل بازهی زمانی پنجم فروردین 1388 تا سیام آبان 1390 که مشتمل بر 616 مشاهده بوده که جهت مجزا سازی پیشبینیهای داخل نمونهای و خارج از نمونهای، از تقریباً 90% از مشاهدات (556 مشاهده) جهت تخمین ضرایب مدل و از مابقی (60 مشاهده) جهت انجام پی...
full textمدل شبکه عصبی مصنوعی برای تخمین رسوب‌دهی حوزه‌های آبخیز
امروزه رسوب‌دهی حوزه‌های آبخیز از جمله مشکلات بهره‌برداری از منابع آب‌های سطحی در جهان است. با توجه به نقش و اهمیت رسوب در عمر مفید سدهای کشور، عدم توجه به اندازه‌گیری و محاسبه دقیق آن، باعث اتلاف سرمایه‌های ملی می‌شود. بدیهی است که دقت تخمین میزان رسوب‌دهی، بستگی زیادی به روش‌های محاسباتی، معادلات ارائه شده و داده‌ها یا اطلاعات تخمین رسوب دارد. چون عوامل مختلفی در فرسایش و تولید رسوب مؤثر است ...
full textشبکه عصبی مصنوعی برای ارزیابی خطر اختلالات حرکتی در نوزادان
Background: Prediction of developmental disorders in infancy is very important. This study aimed to predict movement disorders of children using Artificial Neural Network (ANN) model. Methods: This was a retrospective study, in which 600 infants with normal and 120 infants with abnormal neurologic examination were evaluated. For analysis, the data divided the study group randomly int...
full textMy Resources
Journal title
volume 9 issue 18
pages 80- 90
publication date 2019-01
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023