کاربرد شبکه عصبی مصنوعی در شبیهسازی عناصر اقلیمی و پیشبینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان(
سال انتشار: 1389
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 231
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GEP-21-3_006
تاریخ نمایه سازی: 20 اردیبهشت 1400
چکیده مقاله:
اربرد شبکه عصبی مصنوعی در شبیهسازی عناصر اقلیمی و پیشبینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان( چکیده در این پژوهش، از شبکههای عصبی مصنوعی ( Artificial Neural Networks ) به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین، به منظور پیشبینی سیکل خشکسالی در۲۰ ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری استان اصفهان که حداقل۲۰ سال آمار روزانه داشتند، استفاده شد. از نرمافزار MATLAB-۷ و در شاخه Neural Network ، برای پیشبینی وتجزیه و تحلیل عناصراقلیمی کمک گرفته شد. ورودی مدلهای ANN ، دادههای میانگینماهانه بارش، دبی حداقل و دمایبیشینه است که این دادهها، بازه زمانی سالهای۱۳۶۰ تا۱۳۸۳ را در بر میگیرند. اطلاعات۲۰ ساله برای آموزش مدل ها و ۴ سال باقی مانده برای آزمایش آنها به کاررفته است. شبکه مورد استفاده از نوع پرسپترون چندلایه( Multi - layer P erceptron ) با الگوریتم پسانتشارخطا ( Back Propagation ) و تکنیک یادگیری مارکوارت- لونبرگ ( Train LM: Levenberg-Marquardt ) است. ساختارهای گوناگونی از شبکه عصبی با تغییر در لایههای ورودی (۶ مدل)، تعداد گرهها در لایههای پنهان و خروجی (۲ الی۲۰ گره) ایجاد گردید. نتایج حاصل از تحقیق حاضر، نشان میدهد که در میان الگوهای مورد بررسی، دمایبیشینه، دبی و بارش، نقش مثبتی در پیشبینی خشکسالیهای استان اصفهان داشته، با کاربرد شبکه عصبی مصنوعی میتوان با دقت بالای ۹۵ درصد، سیکل خشکسالی استان را پیشبینی نمود.
کلیدواژه ها:
مارکوارت- لونبرگ ، واژههای کلیدی: شبکه عصبی مصنوعی ، پیشبینی خشکسالی ، پرسپترون چندلایه ، مارکوارت ، لونبرگ ، استان اصفهان
نویسندگان