پیش بینی خشکسالی های هیدرولوژیکی حوضه رودخانه خرم آباد با استفاده از شاخص SRIو شبکه عصبی مصنوعی
محل انتشار: سومین همایش ملی-دانشجویی مرتع،آبخیز و بیابان
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,127
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:
RWD03_149
تاریخ نمایه سازی: 3 آذر 1392
چکیده مقاله:
خشکسالی پدیده ای جهانی می باشد که تقریبا می تواند در هر ناحیه به وقوع پیوسته و منجر به زیان ها و خسارت های عمده اقتصادی،اجتماعی و زیست محیطی شود .در سال های اخیر این گونه خسارات و هزینه ها افدایش قابل ملاحظه ای داشته اند.به همین دلیل نیاز به بررسی خشکسالی ضروری به نظر می رسد.برای کاهش خسارات نیاز است تا به بررسی وضعیت خشکسالی در هر منطقه پرداخته شود.بنابراین شناخت شهر خرم آباد به منظور مدیریت بهتر منابع آب و انجام طرح های مختلف در منطقه، از اهمیت بالایی بر خوردار است.هدف از انجام این تحقیق پیش بینی خشکسالی هیدرولوژیک با استفاده از شاخص SRIو شبکه عصبی مصنوعی در خرم آباد پرداخته شد. در این تحقیق ابتدا شاخص های SPI و SRI محاسبه شدندو بین هر دو شاخص همبستگی گرفته شد.در ادامه دو مول در شبکه عصبی برای تعیین مدل بهینه براد پیش بینی خشکسالی شهر خرم آباد اجرا شد.در مدل اولSPI و در مدل دوم بارش باران و دما به عنوان نرون های لایه ورودی به شبکه معرفی شدند.در مدل اول ساختار 1-9-1 با ضریب تبیین و ریشه میانگین مربعات خطا به ترتیب برابر 0/869 و 0/601 به عنوان مدل بهینه انتخاب شد و در مدل دوم ساختار 1-11-2 با ضریب تبیین و ریشه میانگین مربعات خطا به ترتیب برابر 0/836 و 0/612 به عنوان ساختار شبکه عصبی مصنوعی بهینه انتخاب شد.نتایج نشان از دقت مدل اول،یعنی مدلی با ورودی شاخص SPI بیشتر از مدل دوم با ورودی بارش و دما داشت.
کلیدواژه ها:
نویسندگان
رضا صادقی
دانش آموخته کارشناسی ارشد جغرافیای طبیعی،دانشگاه آزاد اسلامی واحد خرم آباد
مهران لشنی زند
استادیار پژوهشی مرکز تحقیقات کشاورزی و منابع طبیعی لرستان
بهروز پروانه
عضو هیئت علمی گروه جغرافیا،دانشگاه آزاد اسلامی واحد خرم آباد
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 :