CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تخمین بارندگی با استفاده از روش شبکه های عصبی مصنوعی در استان گیلان

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۲۰۲ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: MDCONF02_141
زبان مقاله: فارسی
حجم فایل: ۵۵۶.۰۹ کیلوبایت (فایل این مقاله در ۱۰ 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 ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تخمین بارندگی با استفاده از روش شبکه های عصبی مصنوعی در استان گیلان

  محمد جواد خلفی خطبسرا - دانشجوی کارشناسی ارشد آبخیزداری دانشگاه زابل
  محمد نهتانی - عضو هییت علمی گروه مرتع و آبخیزداری دانشگاه زابل
  محمد رضا دهمرده - عضو هییت علمی گروه مرتع و آبخیزداری دانشگاه زابل
امید نوروزی انگنایی - دانش آموخته کارشناسی ارشد مهندسی آب

چکیده مقاله:

اندازه گیری دقیق بارش، کاربردهای بسیاری در تحقیقات اقلیمی، کشاورزی، خشکسالی، بلایای طبیعی و آب شناسی دارد. از آن جایی که ایستگاه های اندازه گیری بارش پراکنده بوده و دسترسی به اندازه گیری های بارش معمولا با تاخیر زمانی همراه است، از این رو وجود روش های دیگری برای برآورد بارش ضروری است. پیش بینی بارش برای کشورهای در حال توسعه که اقتصاد آن ها مبتنی بر کشاورزی است، خیلی مهم می باشد. به طور مشخص، اقلیم و بارش پدیده های غیر خطی بزرگی در طبیعت هستند. این تحقیق به برآورد بارندگی ماهانه طی دوره 10 ساله در استان گیلان و با استفاده از روش شبکه های عصبی مصنوعی پرداخته است. همچنین از داده های هواشناسی شهرهای انزلی، رشت و تالش به عنوان ایستگاه های مورد بررسی استفاده شده است. در این تحقیق از شبکه عصبی پیش رو با تعداد لایه ورودی مختلف ( بسته به سناریوی تعریف شده ) و یک خروجی ( بارندگی ماهانه ) استفاده شده است. برای بررسی ارتباط خطا با ورودی ها، وزن ها و خروجی ها، روش های متفاوتی از جمله روش گرادیان شیب، روش نیوتن، روش اندازه حرکت، روش آنتروپی متقابل و روش لونبرگ مارکواد وجود دارد که در این تحقیق تابع مورد استفاده جهت آموزش از نوع الگوریتم لونبرگ مارکواد بوده است. نتایج گویای عملکرد قابل قبول شبکه های عصبی مصنوعی در تخمین بارش بوده است. مقادیر NS، MAD و RMSE به ترتیب 12/87، 0/70 و 57/57 برای ایستگاه لاهیجان در مرحله آزمون گویای این مطلب می باشد.

کلیدواژه‌ها:

الگوریتم لونبرگ، مارکواد، داده های هواشناسی، MLP

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-MDCONF02-MDCONF02_141.html
کد COI مقاله: MDCONF02_141

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:
خلفی خطبسرا, محمد جواد؛ محمد نهتانی؛ محمد رضا دهمرده و امید نوروزی انگنایی، ۱۳۹۷، تخمین بارندگی با استفاده از روش شبکه های عصبی مصنوعی در استان گیلان، دومین همایش ملی دانش و فناوری علوم کشاورزی، منابع طبیعی و محیط زیست ایران، تهران، موسسه برگزار کننده همایش های توسعه محور دانش و فناوری سام ایرانیان، https://www.civilica.com/Paper-MDCONF02-MDCONF02_141.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: (خلفی خطبسرا, محمد جواد؛ محمد نهتانی؛ محمد رضا دهمرده و امید نوروزی انگنایی، ۱۳۹۷)
برای بار دوم به بعد: (خلفی خطبسرا؛ نهتانی؛ دهمرده و نوروزی انگنایی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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

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

مقالات پیشنهادی مرتبط

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.