ارزیابی عملکرد سیستم استنتاج فازی عصبی- تطبیقی در پیش بینی خشکسالی با استفاده از نمایه PN (مطالعه موردی: حوزه مند استان فارس)

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 514

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCGTSD01_123

تاریخ نمایه سازی: 16 خرداد 1394

چکیده مقاله:

خشکسالی یکی از اثرات تغییرسامانه اقلیمی است. پیشبینی خشکسالی نقش مهمی در اعمال روشهای موثر مدیریت منابع آب ایجادمی کند. روشهای مختلفی برای مطالعه خشکسالی وجود دارد. روش سیستم های هوشمند جزء عمومی روشهای تحلیل خشکسالی بهشمار می رود. لذا پیش بینی دقیق می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف از این پژوهش، بررسی عملکردسیستم استنتاج فازی-عصبی تطبیقی در پیش بینی خشکسالی در ایستگاه سینوپتیک فارس میباشد. برای این منظور از داده هایبارندگی ماهانه با دوره آماری 32 ساله استفاده گردید. شدت خشکسالی در دوره ماهانه با استفاده از شاخص درصد نرمال بارندگی(PN) تعیین شد. سپس به وسیله مدل ANFIS و با استفاده از شاخص PN پیش بینی شدت خشکسالی در دوره زمانی ماهانه انجامگردید. در پایان برای ارزیابی دقت و درستی روش مورد استفاده، معیارهای آماری ضریب همبستگی و میانگین مجذور مربعات خطامورد استفاده قرار گرفت. یافته ها نشان داد که سیستم استنتاج فازی-عصبی تطبیقی، مقادیر PN و وضعیت خشکسالی را با دقت قابلقبولی پیش بینی می نماید.

کلیدواژه ها:

خشکسالی ، سیستم استنتاج فازی-عصبی تطبیقی ، شاخص PN ، حوزه آبریز مند استان فارس

نویسندگان

مهناز رستمی

دانشجوی کارشناسی ارشد، گروه آب و خاک، دانشکده کشاورزی، دانشگاه زابل

احمد پهلوانروی

دانشیار گروه آب و خاک، دانشکده کشاورزی، دانشگاه زابل

علیرضا مقدم نیا

دانشیار گروه مرتع و آبخیزداری، دانشکده کشاورزی، دانشگاه تهران

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 :