تخمین خشکسالی با استفاده از شبکه های هوشمند
محل انتشار: مجله هیدروژیومورفولوژی، دوره: 5، شماره: 14
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 165
فایل این مقاله در 19 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_HYD-5-14_009
تاریخ نمایه سازی: 4 بهمن 1401
چکیده مقاله:
چکیده خشکسالی یکی از پدیده های آب و هوایی است که در همهی شرایط اقلیمی و در همهی مناطق کرهی زمین به وقوع می پیوندد. پیش بینی خشک سالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم های منابع آب، تعیین نیاز آبی گیاه ایفا می نماید. در این پژوهش جهت تخمین شاخص بارش استاندارد ۱۲ ماههی چهار ایستگاه بارانسنجی دلفان، سلسله، دورود و بروجرد واقع در استان لرستان از مدل شبکهی عصبی موجک استفاده شد و نتایج آن با سایر روشهای هوشمند از جمله شبکهی عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر بارش در مقیاس زمانی ماهانه در طی دورهی آماری (۱۳۷۲-۱۳۹۲) به عنوان ورودی و شاخص بارش استاندارد به عنوان پارامتر خروجی مدلها انتخاب گردید. معیارهای ضریب همبستگی، ریشهی میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین شاخص بارش استاندارد دارند، لیکن از لحاظ دقت، مدل شبکهی عصبی موجک عملکرد بهتری نسبت به شبکهی عصبی مصنوعی از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل شبکهی عصبی موجک میتواند در زمینه تخمین خشکسالی موثر باشد.
کلیدواژه ها:
نویسندگان
حسن ترابی پوده
دانشیار گروه مهندسی آب، دانشگاه لرستان
بابک شاهی نژاد
استادیار گروه مهندسی آب دانشگاه لرستان، لرستان، ایران
رضا دهقانی
دانشجوی دکترای سازه های آبی، دانشگاه لرستان، لرستان، ایران.
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 :