کاربرد روشهای هوش مصنوعی در پیشبینی خشکسالی بر اساس شاخص بارندگی استاندارد SPI
محل انتشار: پانزدهمین کنفرانس دانشجویان عمران سراسر کشور
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,457
فایل این مقاله در 7 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:
CESC15_601
تاریخ نمایه سازی: 12 دی 1393
چکیده مقاله:
خشکسالی یکی از بزرگترین بلایای طبیعی است که سالانه خسارتهای زیادی را در سرتاسر جهان به جا میگذارد. اجرای برنامه های مدیریت خشکسالی، بعد از وقوع آن نقاط ضعف بسیاری دارد و نتیجه مناسبی را به همراه ندارد، بنابراین اگر بتوان خشکسالی را پیش بینی نمود باعث میشود با آمادگی بیشتر راهکارهای مناسب برای کاهش اثرات خشکسالی تعیین گردد و مدیریت آن بهبود یابد. به این منظور در این مقاله از دو روش هوش مصنوعی شامل شبکه عصبی پرسپترون چندلایه MLP سیستم استنباط عصبی- فازی تطبیقی ANFIS برای پیش بینی خشکسالی بر اساس اطلاعات بارندگی ایستگاه عبدالخان، واقع در حوضه کرخه استفاده گردید. در ابتدا شاخص خشکسالی استاندارد بارندگی برای ایستگاه عبدالخان در مقیاس زمانی 3، 6 و 12 ماهه محاسبه شد؛ پس از آن مقادیر SPI محاسبه شده به عنوان ورودی روشهای پیش بینی در نظر گرفته شد. نتایج نشان داد هر دو روش با دقت قابل قبولی خشکسالی را پیشبینی میکنند. به نحوی که برای 3 SPI6 ،SPI و 12 SPI مقدار ضریب تبیین به ترتیب برابر 0/78و0/58 و 0/47 و برای ANFIS به ترتیب برابر 0/66 و 0/66 و 0/46 به دست آمده است.
کلیدواژه ها:
نویسندگان
ادریس احمد ابراهیم پور
کارشناس ارشد گروه عمران -مهندسی آب ،دانشگاه آزاد اسلامی واحد مهاباد
سیدجمیل قادری
استادیار گروه مهندسی عمران- مهندسی آب،عضو هیئت علمی دانشگاه آزاد اسلامی واحد مهاباد
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 :