CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیشبینی وضعیت خشکسالی با استفاده از نمایهSPI به کمک مدل ANFIS مطالعه موردی: حوزه آبریز مند استان فارس

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۲۲۴ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: ICSDA01_0209
زبان مقاله: فارسی
حجم فایل: ۵۵۵.۸۴ 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 پیشبینی وضعیت خشکسالی با استفاده از نمایهSPI به کمک مدل ANFIS مطالعه موردی: حوزه آبریز مند استان فارس

  مهناز رستمی - دانشجوی کارشناسی ارشد، گروه آب و خاک، دانشکده کشاورزی، دانشگاه زابل
  علیرضا مقدم نیا - دانشیار گروه مرتع و آبخیزداری، دانشکده کشاورزی، دانشگاه تهران
  احمد پهلوانروی - دانشیار گروه آب و خاک، دانشکده کشاورزی، دانشگاه زابل

چکیده مقاله:

امروزه خشکسالی یک معضل جدی گریبانگیر در بسیاری از کشورهای جهان میباشد. بنابراین پیشبینی خشکسالی از اهمیت به سزایی برخوردار میباشد. دراین تحقیق از سیستم استنتاج فازی-عصبی تطبیقی به عنوان روشی موثر برای پیشبینیشدت خشکسالی حوزه مند استان فارس به عنوان یک مطالعه موردی استفاده شد. برای این منظور از دادههای بارندگی ماهانه ایستگاه باران سنجی استان فارس با دوره آماری 32 ساله استفاده گردید. شدت خشکسالی در دوره ماهانه با استفاده از شاخص بارندگی استاندارد شده SPI تعیین شد. سپس به وسیله مدل ANFIS و با استفاده از شاخص SPI پیشبینیشدت خشکسالی در دوره زمانی ماهانه انجام گردید. از بین دادههای موجود 07 درصد به عنوان دادههای آموزش و 11 و 11 درصد به ترتیب به عنوان دادههای اعتبار سنجی و دادههای آزمون انتخاب گردید. سپس از طریق معیارهای آماری شامل ضریب همبستگی، میانگین مجذور مربعات خطا و ضریب نش به کارایی عملکرد مدل ها پرداخته شد و نتایج نشان داد که سیستم استنتاج فازی-عصبی تطبیقی، مقادیر SPI و وضعیت خشکسالی را با دقت قابل قبولی پیشبینی مینماید

کلیدواژه‌ها:

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

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-ICSDA01-ICSDA01_0209.html
کد COI مقاله: ICSDA01_0209

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:
رستمی, مهناز؛ علیرضا مقدم نیا و احمد پهلوانروی، ۱۳۹۳، پیشبینی وضعیت خشکسالی با استفاده از نمایهSPI به کمک مدل ANFIS مطالعه موردی: حوزه آبریز مند استان فارس، کنفرانس بین المللی توسعه پایدار، راهکارها و چالش ها با محوریت کشاورزی ، منابع طبیعی، محیط زیست و گردشگری، تبریز، دبیرخانه دائمی کنفرانس بین المللی توسعه پایدار، راهکارها و چالش ها، https://www.civilica.com/Paper-ICSDA01-ICSDA01_0209.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: (رستمی, مهناز؛ علیرضا مقدم نیا و احمد پهلوانروی، ۱۳۹۳)
برای بار دوم به بعد: (رستمی؛ مقدم نیا و پهلوانروی، ۱۳۹۳)
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 :

  • داده کاوی روی سیگنال های بزرگ مقیاس اقلیمی برای پیش بینی بلندمدت خشکسالی [مقاله کنفرانسی]
  • نورانی، و، و صالحی، ک. مدلسازی بارش- روانآب با استفاده ... [مقاله کنفرانسی]
  • Bacanli U, Firat M, Dikbas F. Adaptive neuro-fuzzy inference system ...
  • En vironmental Research and Risk Assessment. 8: 1143-1154, 2008. ...
  • نبی‌زاده، م. پیش‌بینی جریان روزانه رودخانه با استفاده از سیستم ...
  • استفاده از مدل فازی- عصبی و الگوهای ارتباط از دور جهت پیش‌بینی خشکسالی، مطالعه موردی زاهدان [مقاله کنفرانسی]
  • اژدری مقدم، م، خسروی، م۰، حسین پور نیکنام، ح.، جعفری ... (مقاله ژورنالی)
  • I۷] مجرد قره باغ، ف. تحلیل و پیش بینی یخبندان ...
  • Mckee T.B. Doesken N.J and Kleist J. The relationship of ...
  • Jang J.-S.R.. ANFIS adaptive network based fuzzy inference system. IEEE ...
  • پهلوانی، ح. ارزیابی کارایی مدل‌های شبکه عصبی مصنوعی در تخمین ...
  • 26 Feb 2015, Tabriz , Iran ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۵۵۲۹
    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

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • مدیریت بحران > خشکسالی
  • 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.