CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مقایسه کاربرد داده های هواشناسی بارشی و غیربارشی در تخمین بارندگی (مطالعه موردی : شهر گرگان)

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۳۱ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: AFPICONF03_048
زبان مقاله: فارسی
حجم فایل: ۵۱۹.۱ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه کاربرد داده های هواشناسی بارشی و غیربارشی در تخمین بارندگی (مطالعه موردی : شهر گرگان)

  مریم وفایی - دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه ملایر، همدان
  مریم بیات ورکشی - استادیار گروه مهندسی منابع آب دانشکده کشاورزی دانشگاه ملایر، همدان

چکیده مقاله:

برآورد بارندگی بهعنوان مهم ترین پارامتر هواشناسی، نقش بسزایی در مدیریت منابع آب هر منطقه ایفا می نماید. در این تحقیق با توجه به تصافی و غیرخطی بودن بارندگی از تکنیک مدل های خوشمند عصبی برای شبیه سازی بارندگی شهر گرگان طی سال های 1971 تا 2010 استفاده شد. بدین منظور با لحاظ داده های بارشی در قالب سری زمانی و داده های هواشناسی در قالب داده های غیربارشی، کاربرد شبکه عصبی مصنوعی در برآورد بارندگی ایستگاه گرگان مورد بررسی قرار گرفت. نتایج ضریب همبستگی پیرسون نشان داد که پارامترهای ابرناکی، دمای حداکثر، فشار بخار آب، رطوبت نسبی حداکثر و نقطه ی شبنم، به عنوان مهمترین پارامترهای هواشناسی، بیشترین همبستگی را با بارندگی منطقه داشتند. نتایج اجرای شبکه عصبی مصنوعی در برآورد بارندگی نشان داد با کاربرد 5 پارامتر هواشناسی غیربارشی، میانگین مجذور مربعات خطای نرمال (NRMSE) 0/01 با همبستگی 0/71 بود. در مقابل، اجرای ساختارهای مختلف سری زمانی، با کاربرد داده های بارندگی گام های زمانی قبل، بیانگر افزایش دقت شبکه عصبی مصنوعی بود. به طوری که مقدار NRMSE 0/001 با همبستگی 0/91 بدست آمد. بنابراین می توان کاربرد داده های بارشی در برآورد بارندگی منطقه مورد مطالعه را مناسب تر از پارامترهای هواشناسی غیربارشی دانست.

کلیدواژه‌ها:

بارندگی، سری زمانی، شبکه عصبی مصنوعی، دمای حداکثر، گرگان

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-AFPICONF03-AFPICONF03_048.html
کد COI مقاله: AFPICONF03_048

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
وفایی, مریم و مریم بیات ورکشی، ۱۳۹۴، مقایسه کاربرد داده های هواشناسی بارشی و غیربارشی در تخمین بارندگی (مطالعه موردی : شهر گرگان)، سومین کنفرانس بین المللی پژوهشهای کاربردی در علوم کشاورزی، تهران، دانشگاه جامع علمی کاربردی، https://www.civilica.com/Paper-AFPICONF03-AFPICONF03_048.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (وفایی, مریم و مریم بیات ورکشی، ۱۳۹۴)
برای بار دوم به بعد: (وفایی و بیات ورکشی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Cross, SS., Harrison, RF., Kennedy, RL., 1995, ، Introduction to ...
  • Hall, T, H.E. Brooks and Ch.A. Doswell (1999) " Precipitation ...
  • Trafalis, TB., White, A., Santosa, B., Richman, MB., 4114, "Data ...
  • Maria, C., Haroldo , F., Ferreira, N., 4115, :Artificial neural ...
  • _ Chattop adhyay, S., 4117, "Feed forward artificial neural network ...
  • Aksoy, Hafzullah., Ahmad, Dahamsheh., 4119, " Artificial neural network models ...
  • خلیلی، ن. (۱۳۸۵)، "پیش‌بینی بارش با استفاده از شبکه‌های عصبی، ...
  • قلی‌زاده، م، ح، دارند، م. (۱۳۸۹)، "پیش‌بینی باران ماهانه با ...
  • حلبیان، ا، ح، دارند، م. (۱۳۹۱)، "پیش‌بینی بارش اصفهان با ...
  • صداقت‌کردار، عبدا..، فتاحی، ا.(۱۳۸۷). "شاخص‌های پیش آگاهی خشکسالی در ایران، ... (مقاله ژورنالی)
  • صوفی‌وند، ف. فاتحی، ع، ر. و رمانیان، م. (۱۳۸۴)، "پیش‌بینی ... (مقاله کنفرانسی)
  • خلیلی، ن، خداشناس، ا، داوری، ک، و موسوی‌بایگی، م. "پیش‌بینی ... (مقاله ژورنالی)
  • زارع-ابیانه، ح قاسمی، ع، بیات-ورکشی، م. سبزی-پرور ع. . و ...
  • فلاح قاهری، ف.غ. موسوی بایگی، م. و حبیبی نوخندان، م. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۷۲۳
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.