پیش بینی شاخص خشکسالی spi بااستفاده ازدو مدل شبکه های عصبی و شبکه های عصبی موجکی مطالعه موردی ایستگاه سینوپتیک یزد

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 510

فایل این مقاله در 6 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:

WATERSHED09_151

تاریخ نمایه سازی: 22 اردیبهشت 1393

چکیده مقاله:

خشکسالی یکی ازپدیده های طبیعی است که تاثیرات آن برمنابع اب به شدت تاثیر گذار میباشد جهت ارزیابی کمی و کیفی این پدیده شاخصهای متفاوتی ارایه شدها ست پیش بینی شاخصهای ارایه شده میتوانددرراستای مدیریت مقابله با آن کارساز باشد امروزه مدلهای متفاوتی جهت پیش بینی خشکسالی ارایه شده است دراین تحقیق جهت پیش بینی خشکسالی ایستگاه سینوپتیک یزدازشاخص بارش استاندارد دردوسناریو استفاده گردیده است درسناریوی اول جهت ارزیابی شاخص بارش استاندارد ازمدل شبکه های عصبی پرسپترون و درسناریوی دوم با استفاده ازتئوری تبدیل موجک مدل تلفیقی شامل ترکیب شبکه های پرسپترون و تئوری موجک ارایه گردید نتایج نشان داد انالیز موجک با پردازش برروی داده های ورودی مدل و شکستن مولفه ورودی به مولفه های جزئی عملکردمدل شبکه عصبی را بهبود بخشیده بطوریکه دراین تحقیق نتایج حاص لازمدل تلفیقی شبکه های عصبی موجکی نسبت به شبکه های عصبی پرسپترون کارایی بالاتری را نشان داده است

کلیدواژه ها:

نویسندگان

حمیده افخمی

دانشجوی دکتری علوم و مهندسی آبخیزداری دانشگاه یزد

فرزانه فتوحی

دانشجوی دکتری علوم و مهندسی آبخیزداری دانشگاه یزد

مژده محمدی

دانشجوی دکتری علوم و مهندسی آبخیزداری دانشگاه یزد

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 :
  • پیش بینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی [مقاله ژورنالی]
  • Jia cong Cao, Xing chun Lin. Application of the diagonal ...
  • Mishra AK.and Desai VR, 2006. Drought forecasting using feed-forward recursivn ...
  • Wilhit DA and Glant ZMH, 1985. understanding the drought phenomenon ...
  • Yurekli K and Kurune A, 2004. Simulation of drought periods ...
  • Hayes MJ, Svoboda MD, Wilhite DA and Vanyarkho OV, 1999. ...
  • Abrishamch A, Mehdikhani H, Tajrishy M and Marino MA, 2007. ...
  • Kim TW and Valdes JB, 2003. Nonlinear model for drought ...
  • McKee TB, Doesken NJ and Kleist J, 1993. The relationship ...
  • Toth E, Brath A and Montanar A, 2000. Comparison of ...
  • Cybenco G, 1989. Approximation by superposition of a sigmoidal function. ...
  • _ Zhang Q and A Benveniste, 1992. Wavelet networks. IEEE ...
  • Nori R, Farokhnia A, Morid S and Riahi Madvar H, ...
  • I Daubechies, 1990. IEEE Trans. Inf. Theory, 36(5): 961-1005 ...
  • نمایش کامل مراجع