نادیا شهرکی
دانشجوی دکتری، گروه مهندسی آب، دانشگاه بوعلی سینا، همدان، ایران.
[ 1 ] - پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA
تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی ارائه میگردد. در این تحقیق، از شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...
[ 2 ] - برآورد احتمالات بارش روزانه با استفاده از مدل زنجیره مارکف در اقلیم‌های مختلف ایران
برای تجزیه و تحلیل آماری پیشامدهایی که مستقل نبوده و به پیشامدهای قبلی خود وابسته می‌باشند، از زنجیره مارکف استفاده می‌شود. در این مطالعه، احتمالات پیشامدهای متوالی روزهای خشک و تر 15 ایستگاه سینوپتیک کشور با اقالیم مختلف از اقلیم خشک سرد تا مرطوب معتدل با استفاده از روش زنجیره مارکف مورد تحلیل قرار گرفت. برای دستیابی به احتمالات پیشامدهای متوالی روزهای خشک و تر از آمار بارش روزانه ایستگاه‌ها...
نویسندگان همکار