تعیین مناسب‌ترین روش ترکیب ورودی شبکه عصبی مصنوعی به منظور تعیین پارامترهای باد بر پیش‌بینی پدیده طوفان گرد و غبار (مطالعه موردی: استان یزد)

Authors

  • لیلا کاشی زنوزی کارشناس ارشد پژوهشی، بخش تحقیقات بیابان، مؤسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران
  • محسن یوسفی دانشجوی کارشناسی ارشد آبخیزداری دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد، ایران
Abstract:

هدف از این مطالعه تعیین برخی عوامل تأثیر گذار بر پدیده طوفان گردوغبار با استفاده از روش‌های مختلف است. به‌منظور تعیین مناسب‌ترین ترکیب ورودی، از روش‌های کاهش متغیر از قبیل تحلیل عاملی (حداکثر احتمال، تجزیه مؤلفه‌های اصلی)، آزمون گاما و رگرسیون چند متغیره استفاده شد. هر کدام از روش‌های مذکور ترکیب متفاوتی را ارائه نمودند که هر کدام از این ترکیب‌ها در مدل شبکه عصبی پیشخور پس انتشار با توابع آموزشی لورنبرگ مارکوآت استفاده شد که رگرسیون گام به گام با 87/0R²= و 04/0RMSE= مناسب‌ترین ترکیب را برای مدل شبکه عصبی معرفی نمود همچنین داده‌ها را به‌صورت ماهانه و فصلی با استفاده از مناسب‌ترین ورودی به شبکه اعمال شد و شبیه‌سازی پدیده طوفان گردوغبار در فصل‌های تابستان و بهار و در ماه‌های اردیبهشت، فروردین، خرداد، تیر، شهریور و مرداد با شاخص‌های آماری ضریب همبستگی بالاتر و میانگین مربعات خطای پایین‌تر بدلیل پراکنش مناسب داده‌های طوفان گرد و غبار انجام شد. نتایج تحقیق نشان داد که بر اساس روش‌های به‌کار رفته، بیشترین تأثیر بر پدیده طوفان گرد و غبار را در استان یزد، عوامل سرعت باد غالب، دید افقی، تداوم و میانگین سرعت باد به عهده دارند

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تعیین مناسب ترین روش ترکیب ورودی شبکه عصبی مصنوعی به منظور تعیین پارامترهای باد بر پیش بینی پدیده طوفان گرد و غبار (مطالعه موردی: استان یزد)

هدف از این مطالعه تعیین برخی عوامل تأثیر گذار بر پدیده طوفان گردوغبار با استفاده از روش های مختلف است. به منظور تعیین مناسب ترین ترکیب ورودی، از روش های کاهش متغیر از قبیل تحلیل عاملی (حداکثر احتمال، تجزیه مؤلفه های اصلی)، آزمون گاما و رگرسیون چند متغیره استفاده شد. هر کدام از روش های مذکور ترکیب متفاوتی را ارائه نمودند که هر کدام از این ترکیب ها در مدل شبکه عصبی پیشخور پس انتشار با توابع آموزش...

full text

مقایسه مناسب ترین ترکیب ورودی در روش های شبکه عصبی مصنوعی و درخت تصمیم به منظور شناسایی عوامل تأثیرگذار بر پدیده گرد و غبار (مطالعه موردی: استان یزد)

یکی از بلایای طبیعی که هر ساله موجب خسارت‌های زیادی در نواحی خشک و بیابانی جهان از جمله ایران و منطقه یزد میشود، بادهای شدید و شکلگیری طوفان گرد و خاک است که هرساله چندین مرتبه به وقوع می پیوندد. در این مطالعه از دادههای هواشناسی ایستگاه یزد (طوفان تندر، بزرگی باد (اندازه، مقدار)، تداوم باد (پیوستگی باد)، دید افقی، سریعترین سرعت باد، میانگین سرعت باد، سرعت باد غالب و تعداد وقوع طوفان گرد و خاک ...

full text

پیش بینی وقوع طوفان گرد و خاک با استفاده از روش شبکه های عصبی مصنوعی (مطالعه ی موردی: شهر زابل)

طوفان­های گرد و خاک یکی از انواع رایج حوادث و فرایندهای اقلیمی در مناطق خشک، نیمه­خشک و بیابانی دنیا هستند. این طوفان­ها هر ساله خسارتهای مالی زیادی را بر منابع انسانی وارد می­سازند. پیش­بینی زمان وقوع این پدیده می­تواند برای اتخاذ تدابیر پیشگیرانه در مقابل خسارت­های بهداشتی، ترابری، نظامی و غیره مؤثر واقع شود. شبکه­های عصبی مصنوعی روشی است که می­تواند برای پیش­بینی روندهای غیرخطی و فرایندهایی ...

full text

واکاوی آماری پدیده گرد و غبار (مطالعه موردی اصفهان)

یکی از انواع بلایای طبیعی که هرساله موجب وارد آمدن آسیب‌های زیست محیطی و اجتماعی بسیاری در برخی کشورها می‌شود، طوفان‌های گرد و خاک و ریزگرد‌هاست. در این پژوهش، پدیده گرد و غبار ایستگاه اصفهان از نظر زمانی و فضایی مطالعه شد. بدین‌منظور داده‌ها شامل: زمان و تاریخ دیده‌بانی، سمت و سرعت باد و وضعیت هوای حاضر پس از استخراج کدهای مربوط به پدیده گرد و غبار (06 و 07) و تحلیل آماری داده‌های مرتبط با این...

full text

ارزیابی تأثیر پیش پردازش پارامترهای ورودی حاصل از تصاویر ماهواره ای به شبکه عصبی مصنوعی در تعیین بافت خاک

تعیین خصوصیات خاک از جمله بافت خاک از ابزار مهم برای مدیریت مناسب، استفاده بهینه و پایدار خاک است. هدف این مطالعه تعیین بافت خاک، میانگین هندسی و انحراف معیار اندازه ذرات خاک با استفاده از تصاویر سنجنده MODIS در دوره-های زمانی تصویر‌برداری 2015 و 2016 می‌باشد. بعد از تعیین بافت خاک به روش هیدرومتری از شبکه عصبی مصنوعی برای مدلسازی بافت خاک، میانگین هندسی و انحراف معیار اندازه ذرات خاک با باندها...

full text

کاربرد شبکه های عصبی مصنوعی و GIS در تخمین پارامترهای موثر در تعیین الگوی کشت (مطالعه موردی : شهرستان نهاوند)

چکیده یکی از مهم­ترین مسایل  پیش روی کشاورزی فاریاب، تدوین الگوی کشت بهینه می باشد. در این راستا تخمین پارامترهای موثر بر کمیت و کیفیت آب قابل دسترس به عنوان یکی از مولفه­های حایز اهمیت در اتخاذ تصمیمات مدیریتی در پیشرفت و توسعه کشاورزی پایدار امری ضروری است. در این مطالعه از تکنیک شبکه­های عصبی مصنوعی برای تخمین سطح آب چاه­های پیزومتری و همچنین عوامل موثر بر کیفیت آب (EC , SAR) مورد استفاده ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 22  issue 2

pages  240- 250

publication date 2015-07-23

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