تاثیر پردازش متغیرهای ورودی شاخص بارش استاندارد در پیش‌بینی خشکسالی در شبکه‌های عصبی مصنوعی با استفاده از تبدیل موجک

Authors

حمیده افخمی نویسنده مسئول، دانشجوی دکتری، علوم و مهندسی آبخیزدارای، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد، ایران

محمدرضا اختصاصی دانشیار، دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد، ایران

مژده محمدی دانشجوی دکتری، علوم و مهندسی آبخیزدارای، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد، ایران

Abstract:

خشکسالی یک رویداد طبیعی است که می‌تواند خسارات قابل توجهی را به زندگی بشر وارد سازد. پیش‌بینی خشکسالی نقش موثری را در مدیریت منابع آب ایفا می‌کند. در این تحقیق به‌منظور پیش‌بینی خشکسالی سه مدل ترکیبی از انواع شبکه‌های عصبی و تبدیل موجک ارائه شده است و سپس با استفاده از این مدل‌ها، شاخص بارش استاندارد (SPI) برای 12 ماه آینده در ایستگاه سینوپتیک یزد پیش‌بینی گردیده است. شبکه‌های عصبی مصنوعی توانایی بالایی در پیش‌بینی سری‌های زمانی غیرخطی دارند. تبدیل موجک نیز با تجزیه سری‌های زمانی اصلی به سیگنال‌های فرعی منجر به وضوح بهتر آنها می‌گردد. در تحقیق حاضر با استفاده از مدل‌های ترکیبی، که شامل شبکه‌های پرسپترون موجکی(MLP-W)، شبکه‌های برگشتی موجکی(TR-W) و شبکه‌های برگشتی با تاخیر زمانی موجکی (TLRN-W) می‌باشند، به پیش‌بینی سیگنال‌های فرعی حاصل از تبدیل موجک پرداخته شده است. همچنین به‌منظور بررسی تاثیر تبدیل موجک در عملکرد مدل‌های ترکیبی، نتایج حاصل از این مدل‌ها با نتایج بدست آمده از مدل‌های شبکه عصبی منفرد مقایسه و کارایی آنها با استفاده از برخی آماره‌های ارزیابی اندازه‌گیری شده است. در نهایت، نتایج بدست آمده از مدل‌های ترکیبی، ضریب همبستگی بالاتر و خطای پایین‌تری را نسبت به مدل‌های منفرد، نشان داده‌اند. ضریب همبستگی در بهترین مدل ترکیبی (TLRN-W) حدود 977/0 و RMSE وMAE بترتیب 05/0 و020/0 بدست آمد در حالی‌که این مقادیر در بهترین مدل منفرد (TLRN) بترتیب برابر با 895/0 ، 07/0 و020/0 اندازه‌گیری گردید. در مجموع یافته‌های این تحقیق، بهبود کارایی شبکه‌های عصبی در پیش‌بینی شاخص خشکسالی را با استفاده از تبدیل موجک نشان می‌دهند.

Upgrade to premium to download articles

Already have an account?login

similar resources

تاثیر پردازش متغیرهای ورودی شاخص بارش استاندارد در پیش بینی خشکسالی در شبکه های عصبی مصنوعی با استفاده از تبدیل موجک

خشکسالی یک رویداد طبیعی است که می تواند خسارات قابل توجهی را به زندگی بشر وارد سازد. پیش بینی خشکسالی نقش موثری را در مدیریت منابع آب ایفا می کند. در این تحقیق به منظور پیش بینی خشکسالی سه مدل ترکیبی از انواع شبکه های عصبی و تبدیل موجک ارائه شده است و سپس با استفاده از این مدل ها، شاخص بارش استاندارد (spi) برای 12 ماه آینده در ایستگاه سینوپتیک یزد پیش بینی گردیده است. شبکه های عصبی مصنوعی توانا...

full text

کاربرد مدل شبکه عصبی موجک در تخمین شاخص بارش استاندارد

خشکسالی یکی از پدیده‌های آب و هوایی است که در همه شرایط اقلیمی و در همه مناطق کره زمین به وقوع می‌پیوندد. پیش‌بینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم‌های منابع آب، تعیین نیاز آبی گیاه ایفا می‌نماید. بدین منظور در این پژوهش از داده‏های 4 ایستگاه باران‌سنجی نورآباد، بروجرد، الشتر و دورود واقع در استان لرستان، به بررسی خشکسالی با استفاده از شاخص بارش استاندارد SPI در مقیاس‏های ز...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

full text

بررسی و پیشبینی مدول یانگ در نانولولههای کربنی تک لایه با بهکارگیری شبکههای عصبی مصنوعی

full text

گروه بندی مکانی خشکسالی با استفاده از شاخص استاندارد بارش در استان اصفهان

تعیین پراکنش مکانی ویژگیهای خشکسالی در استان اصفهان از اهمیت خاصی در مطالعه و مدیریت خشکسالی برخوردار است. در این مطالعه با استفاده از 10 مشخصه خشکسالی که بر اساس شدت، مدت و فراوانی شاخص استاندارد بارش در 45 ایستگاه استان اصفهان استوار است و تحلیل خوشه ای این مشخصه ها، 5 گروه مکانی خشکسالی در استان اصفهان تشخیص داده شد. پراکنش مکانی این گروهها بیانگر تغییرات شدت و مدت خشکسالیها بر اساس تغییرات ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

تحقیقات مرتع و بیابان ایران

volume 22 issue 3

pages 570- 582

publication date 2015-11-22

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

پیش‌بینی خشکسالی شاخص خشکسالی SPI تئوری موجک شبکه‌های عصبی مصنوعی ایستگاه یزد

Hosted on Doprax cloud platform doprax.com