پیش بینی خشکسالی با بکار گیری از مدل های شبکه عصبی مصنوعی و سیستم استنتاج عصبی - فازی تطبیقی در حوزه مند استان فارس
محل انتشار: فصلنامه مخاطرات محیط طبیعی، دوره: 4، شماره: 6
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 163
فایل این مقاله در 12 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_JNEH-4-6_002
تاریخ نمایه سازی: 25 اردیبهشت 1401
چکیده مقاله:
امروزه خشکسالی یک معضل جدی و گریبانگیر دربسیاری از کشورهای جهان است؛بنابراین پیشبینی آن از اهمیت به سزایی برخوردار میباشد. در این تحقیق، کارایی شبکه عصبی مصنوعی و سیستم استنتاج عصبی- فازیتطبیقی به عنوان روشهایی موثر برای پیشبینی شدت خشکسالی حوزه "مند" استان فارس مورد بررسی قرار گرفت. برای این منظور از دادههای بارندگی ماهانه ایستگاه باران سنجی تنگاب استان فارس با دوره آماری ۳۲ ساله استفاده گردید. شدت خشکسالی در دوره ماهانه با استفاده از شاخص بارندگی استاندارد شده (SPI) تعیین شد؛ سپس به وسیله مدلهای ANN وANFIS و با استفاده از شاخص SPI پیشبینی شدت خشکسالی انجام گردید. از بین دادههای موجود، ۷۰ درصد به عنوان دادههای آموزش و مابقی به عنوان دادههای اعتبارسنجی و دادههای آزمون انتخاب شد؛ سپس از طریق معیارهای آماری شامل ضریب همبستگی، میانگین مجذور مربعات خطا و ضریب ناش به کارایی عملکرد مدل ها پرداخته شد. نتایج نشان دادد که دقت روش شبکههای عصبی مصنوعی از روش سیستم استنتاج عصبی- فازیتطبیقی بیشتر میباشد؛ همچنین یافتههای حاصل از این بررسی نشان میدهد که هرچه پراکندگی دادههای ورودی مدل بیشتر باشد مدل استنتاج عصبی- فازی تطبیقی دارای توانایی بیشتری در شبیهسازی این نوع از دادهها میباشد.
کلیدواژه ها:
خشکسالی ، شبکه عصبی مصنوعی ، سیستم استنتاج عصبی - فازی تطبیقی ، شاخص SPI ، حوزه آبریز مند استان فارس
نویسندگان
مهناز رستمی
دانشجوی کارشناسی ارشد
احمد پهلوانروی
عضو هیات علمی دانشگاه زابل
علیرضا مقدم نیا
عضو هیات علمی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :