ترکیب روش‌ استخراج مشخصه با ریزمقیاس نمایی آماری مبتنی بر ترکیب مدل‌های هوش مصنوعی

Authors

  • نازنین بهفر مدیریت منابع آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران
  • وحید نورانی مدیریت منابع آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران
Abstract:

در این پژوهش از دو مدل گردش عمومی جو (GCM ) ( Can-ESM2, BNU-ESM) برای شبیه سازی بارش دوره آتی در شهر تبریز، استفاده شده است. مهم‌ترین ضعف مدل‌های GCM، بزرگ بودن مقیاس مکانی متغیرهای اقلیمی شبیه سازی شده است که روش‌های مختلف ریزمقیاس نمایی درصدد رفع این نقیصه می‌باشند. در این مطالعه برای ریز مقیاس نمودن متغیرهای اقلیمی مدل‌های GCM، از مدل‌های هوش مصنوعی شبکه عصبی مصنوعی ( ANN) و نروفازی ( ANFIS)، بهره گرفته شده است. بدون شک اصلی‌ترین مرحله به هنگام استفاده از این مدل‌ها، انتخاب مناسب‌‌ترین ورودی از میان داده‌های بسیار متعدد ارائه شده توسط GCM‌ها می‌‌باشد. بنابراین در این مطالعه برای انتخاب پارامترهای ورودی مؤثر از روش‌های درخت تصمیم و تابع اطلاعات مشترک ( MI) استفاده شده است. همچنین روش ترکیب مدل برای کاهش عدم قطعیت در ریزمقیاس نمایی و افزایش دقت پیش بینی استفاده شده است. در این پژوهش مقایسه نتایج روش‌های ریز مقیاس نمایی نشان داد که، مدل ترکیبی با موثرترین ورودی‌های تعیین شده با درخت تصمیم نتایج مناسبتری ارائه می‌دهد. بطوریکه در هر دو مدل GCM، بکارگیری مدل ترکیبی با پیش بینی کننده‌های مبتنی بر درخت تصمیم نسبت به مدل های ANN و ANFIS در ریزمقیاس نمایی سبب افزایش %38-%10 DC در مدلسازی بارش می‌گردد. پیش بینی بارش ایستگاه سینوپتیک تبریز با مدل ترکیبی نشان داد که بارش دوره آتی (2060-2020) تحت سناریوهای RCP4.5 و RCP8.5 تا %40-% 30 کاهش می‌یابد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مقایسه روش های ترکیب اطلاعات مبتنی بر ترکیب بردار حالت در شبکه های چند حسگری

این مقاله، به مقایسه روش های ترکیب اطلاعات مبتنی بر ترکیب بردار حالت حاصل از تخمینگر کالمن با استفاده از اطلاعات حاصل از چند حسگر که یکی از بارزترین روش های ترکیب اطلاعات می باشد پرداخته است. پس از معرفی روش های مبتنی بر ترکیب بردار حالت، در ادامه به تحلیل، بررسی و مقایسه این روش ها از طریق مقایسه مقدار خطای تخمین و همچنین حجم محاسباتی الگوریتم های مذکور در پیاده سازی الگوریتم ها خواهیم پرد...

full text

شبیه سازی سطح ایستابی آب زیرزمینی دشت سرخس با ترکیب روش‌های هوش مصنوعی و زمین‌آمار

سابقه و هدف: شبیه سازی جریان زیرزمینی به‌منظور پیش‌بینی سطح ایستابی، در مطالعات هیدروژئولوژی و مدیریتی، احداث سازه‌ها، مصارف کشاورزی و دسترسی به آب‌های زیرزمینی با کیفیت بالا از اهمیت بسزایی برخوردار است. در دهه‌های اخیر به سبب پیچیدگی و ویژگی‌های غیر خطی سیستم‌های آب زیرزمینی، مدل‌های هوش مصنوعی برای شبیه‌‌سازی آبخوان‌ها مورد آزمایش قرار گرفته‌اند. هدف این مطالعه مقایسه مدل‌های شبکه‌ عصبی مصنو...

full text

کارایی الگوهای مدل ریزمقیاس نمایی آماری SDSM در پیش بینی پارامترهای دمایی درحوضه آبریز میناب

امروزه تغییر اقلیم از چالش‌های جدی جوامع بشری و محیط‌زیست تلقی شده و سببایجادیکناهنجاریدرسیستماقلیمکرهزمین گردیدهاست. بر اساس ارزیابی دانشمندان افزایش میانگین دمای جهانی امری اجتناب ناپذیر است. بنابراین شناخت و ارزیابی اقلیم در دهه‌های آینده می‌تواند افق روشنی را برای برنامه ریزان در جهت سازگاری و مقابله با اثرات آن فراهم نماید. هدف این مطالعه پیش‌بینی ...

full text

بررسی و پیش‌بینی تغییرات دمای ایستگاه اراک براساس مدل ریزمقیاس نمایی آماری

افزایش جمعیت و نیز افزایش مصرف انرژی از یک‌سو و گرمایش جهانی از سوی دیگر باعث تغییرات دمایی و اغلب افزایش دما در شهرها شده است. در چند دهة اخیر، رشد شهرنشینی در ایران شدت بالایی داشته و جمعیت مراکز استان‌ها به شدت افزایش یافته است. شهر اراک، به عنوان یکی از مراکز صنعتی کشور، با این پدیده مواجه بوده است. در این نوشته رفتار دمایی شهر اراک با استفاده از آزمون آماری و ترسیمی مان- کندال و نیز با به‌...

full text

مدیریت فرمانشی بحران‌های ارتباطی (الگویی متکی بر ترکیب هوش مصنوعی و جمعی)

مقالۀ پیش رو، الگویی را برای مدیریت فرمانشی بحران‌های ارتباطی پیشنهاد می‌کند. رهیافت ما بر این اصل استوار است که هرچند فراگردهای ارتباطی می‌توانند منجر به بروز بحران گردند، اما خود هم‌چنین منبع و مجرایی برای مدیریت بحران هستند؛ بنابراین، می‌توان بحران‌های ناشی از فرآیند ارتباطات را با دیگر فرآیندهای ارتباطاتی سامان داد. اما چگونه می‌توان یک نظام ارتباطات بحران‌زدا را برای مدیریت ارتباطا...

full text

ارائه مدلی مبنی بر ترکیب روش آماری عامل اطمینان و روش بگینگ به‌منظور اکتشاف آب زیرزمینی

با توجه به تغییرات اقلیمی و رشد جوامع شهری، نیاز به آب زیرزمینی و اکتشاف این منابع رو به افزایش است؛ بنابراین هدف از تحقیق حاضر، تهیه نقشه پتانسیل سطح آب زیرزمینی با استفاده از سیستم اطلاعات مکانی (GIS) در منطقه‌ای واقع در دشت بوشهر با استفاده از ترکیب روش آماری عامل اطمینان با روش داده‌کاوی بگینگ است. بدین منظور در گام اول، 339 موقعیت چاه در منطقه موردمطالعه مشخص گردید و به‌صورت تصادفی، 238 چا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 52  issue 4

pages  6- 6

publication date 2018-12-15

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

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023