پیش بینی بارش ماهانه در منطقه ایران با استفاده از ترکیب شبکه های عصبی مصنوعی و فیلتر کالمن توسعه یافته
نویسندگان
چکیده مقاله:
بارش باران یکی از مهمترین پدیده‌های جوّی است که بر زندگی بشر اثر می‌گذارد. پیش‌بینی بارش باران برای اهداف مختلفی مانند برنامه‌ریزی فعالیت‌های کشاورزی، پیش‌بینی سیلاب، پایش خشکسالی و تأمین آب مصرفی از اهمیت بالایی برخوردار است. هدف این مقاله پیش‌بینی بارش ماهانه در ایران با استفاده از روش جدید ترکیب شبکه‌های عصبی مصنوعی و فیلتر کالمن توسعه‌یافته می‌باشد، که برای این هدف از داده‌های میانگین بارش ماهانه حدود 180 ایستگاه سینوپتیک ایران که در سراسر کشور پراکنده هستند، طی سال‌های 1951 تا 2016استفاده شده و به پیش‌بینی بارش ماهانه برای سال 2017 با استفاده از روش مقاله پرداخته شده است. در این مطالعه ایران شامل 8 پهنه اقلیمی است که به روش کوپن-گایگر تقسیم‌بندی شده است. از شبکه عصبی مصنوعی چندلایه با دو لایه مخفی که در هر لایه 10 نورون قرار گرفته است، برای پیش‌بینی در هر یک از پهنه‌های اقلیمی استفاده شد که برای آموزش این شبکه از فیلتر کالمن توسعه یافته استفاده گردید. اختلاف مقادیر بارش ماهانه اندازه‌گیری شده در سال 2017 و مقادیر حاصل از پیش‌بینی در تمام ایستگاه‌ها محاسبه گردید. جذر میانگین مربعات این اختلافات (RMSE) در حالت نرمال برای 8 پهنه اقلیمی در مراحل آزمون و پیش‌بینی محاسبه گردید که برای اقلیم بیابان خشک و بسیار گرم نسبت به اقلیم بیابان خشک و سرد کمتر است و برای اقلیم نیمه‌بیابانی خشک و سرد نسبت به اقلیم نیمه‌بیابانی خشک و بسیار گرم کمتر است و برای اقلیم معتدل با تابستان‌های خشک و بسیار گرم نسبت به اقلیم معتدل پرباران با تابستان‌های گرم کمتر است و برای اقلیم برفی با تابستان‌های خشک و بسیار گرم نسبت به اقلیم برفی با تابستان‌های خشک و گرم کمتر می‌باشد. در بیشتر موارد RMSE بدست آمده در اقلیم‌های بسیار گرم دارای مقدار کمتری است که نشان دهنده کارایی بهتر روش مقاله در پیش‌بینی بارش در این نوع اقلیم می‌باشد.
منابع مشابه
پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی (مورد: تهران)
گسترش سریع استفاده از شبکه های عصبی مصنوعی ( ann) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی در شهر تهران می باشد. در این تحقیق از ...
متن کاملکاربرد 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...
متن کاملمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملپیش بینی دراز مدت میزان بارش (ماهانه و فصلی) با استفاده از شبکه های عصبی مصنوعی
این پژوهش، روش شبکه های عصبی با الگوریتم پس انتشار خطا را برای پیش بینی بلند مدت بارندگی در مقیاس زمانی ماهانه و فصلی در ایران مورد بررسی قرار می دهد. در این راستا به منظور پیش بینی بلند مدت بارش در ماه های اکتبر تا مارس و فصول پاییز و زمستان، از داده های 14 ایستگاه سینوپتیکی کشور و همچنین، دو شاخص اقلیمی بزرگ مقیاس soi و nino3,4در بازه ی زمانی (2010 – 1960) به مدت 51 سال بهره گرفته شد. پروژه د...
منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 28 شماره 110
صفحات 77- 90
تاریخ انتشار 2019-08-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023