CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی

عنوان مقاله: پیش بینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی
شناسه ملی مقاله: JR_WWJ-23-83_005
منتشر شده در شماره 83 دوره 23 فصل پاییز در سال 1391
مشخصات نویسندگان مقاله:

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

خلاصه 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.

کلمات کلیدی:
پیش بینی خشکسالی، شاخص بارندگی استاندارد شده، الگوریتم ژنتیک، شبکه عصبی، موجک

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/293978/