پیش بینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی
محل انتشار: مجله آب و فاضلاب، دوره: 23، شماره: 83
سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 806
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_WWJ-23-83_005
تاریخ نمایه سازی: 4 مهر 1393
چکیده مقاله:
خشکسالی به عنوان یکی از مهم ترین بلایای طبیعی است که ممکن است در هر رژیم آب و هوایی اتفاق بیفتد. از آنجا که وقوع خشکسالی اجتناب ناپذیر است، بنابراین شناخت آن به منظور مدیریت بهینه منابع آب، از اهمیت بسزایی برخوردار است. از مؤثرترین عوامل در تدوین طرحهای مقابله با خشکسالی و مدیریت آن، طراحی سیستم های پیش بینی خشکسالی است که بتوان اثرات مخرب ناشی از آن رابه حداقل رساند. به این منظور در این تحقیق برای پیش بینی خشکسالی های آتی، از تلفیق الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی در تحلیل شاخص بارندگی استاندارد شده، استفاده گردید و در نهایت نشان داده شد که به کارگیری روش تلفیقی مذکور در مقایسه با تلفیق الگوریتم ژنتیک و شبکه عصبی، نتایج مطلوبی را ارائه می دهد.
کلیدواژه ها:
نویسندگان
یوسف حسن زاده
استاد گروه مهندسی عمران- آب، دانشکده فنی مهندسی عمران، دانشگاه تبریز
امین عبدی کردانی
دانشجوی دکترای مهندسی عمران- آب، دانشکده فنی مهندسی عمران، دانشگاه تبریز
احمد فاخری فرد
دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز