کاربرد مدل شبکه عصبی موجک در تخمین شاخص بارش استاندارد

Authors

  • حمیدرضا باباعلی گروه مهندسی عمران، دانشگاه آزاد خرم آباد، خرم آباد، ایران.
Abstract:

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 زمانی 6 و 12 ماهه پرداخته شد. سپس،‌ خشکسالی‏ها با مدل شبکه عصبی موجک ارزیابی گردید. نتایج این پژوهش نشان داد ایستگاه‌های بروجرد و دورود دارای طولانی‌ترین خشکسالی و ایستگاه نورآباد شدیدترین خشکسالی را دارا می‌باشد. همچنین نتایج حاصل از بررسی تعداد ماه‌های خشکسالی نشان داد  بیشترین ماههای خشکسالی در ایستگاه بروجرد رخ‌داده است. نتایج تخمین خشکسالی‏ها با مدل شبکه عصبی موجک نشان داد این مدل در برآورد شاخص خشکسالی ایستگاه دورود نسبت به سایر ایستگاه‌ها نتایج مطلوبی در هر دو مقیاس زمانی ارائه می‌نماید درمجموع نتایج نشان داد مدل شبکه عصبی موجک جهت تخمین خشکسالی در مقیاس زمانی طولانی‌مدت دقت بیشتری از خود نشان داده و استفاده از مدل شبکه عصبی موجک می‏تواند درزمینهٔ تخمین خشکسالی مؤثر باشد که در نوبه خود برای تسهیل توسعه و پیاده‌سازی استراتژی‌های مدیریتی جهت جلوگیری از ایجاد خشکسالی ها مفید است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی عملکرد مدل شبکه عصبی موجک در تخمین دبی روزانه

سیل یکی از بلایای طبیعی مهمی است که همه‌ ساله باعث ایجاد خسارت‌های مالی و جانی فراوانی به جوامع </st...

full text

کاربرد شبکه عصبی موجک در تخمین رسوبات معلق رودخانه‌ها، مطالعه موردی: رودخانه کشکان-لرستان

شبیه‌سازی و ارزیابی آورد رسوب رودخانه از جمله مسائل مهم در مدیریت منابع آب می‌باشد. اندازه‌گیری مقدار رسوب به روش‌های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده، گاهی از دقت کافی نیز برخوردار نیست. در این پژوهش برای تخمین رسوبات رودخانه کشکان واقع در استان لرستان، از شبکه عصبی موجک استفاده شد و نتایج آن با روش‌های مرسوم هوشمند همچون شبکه عصبی مصنوعی مقایسه شد. پارامتر دبی، دما، میزان مواد ج...

full text

پیش‌بینی بارش ماهانه با مدل ترکیبی شبکه ‌عصبی مصنوعی-موجک و مقایسه با مدل شبکه‌ عصبی ‌مصنوعی

بدون شک اولین قدم در مدیریت رودخانه پیش­بینی بارش سطح حوضه آبریز می­باشد. با این حال، با توجه به بالا بودن خاصیت تصادفی فرآیندها، بسیاری از مدل­ها هنوز هم به منظور تعریف چنین پدیدة پیچیده­ای در زمینه مهندسی هیدرولوژیک توسعه داده می­شوند. اخیراً شبکه­های ­عصبی ­مصنوعی به عنوان یک برون­یابی و درون‌یابی غیرخطی گسترده توسط هیدرولوژیست­ها مورد استفاده قرار می­گیرد. در پژوهش حاضر، تجزیه و تحلیل­ موجک ...

full text

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

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 توانا...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 4

pages  81- 96

publication date 2017-08-23

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