CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

ارزیابی عملکرد سیستم استنتاج فازی عصبی- تطبیقی در پیش بینی خشکسالی با استفاده از نمایه PN (مطالعه موردی: حوزه مند استان فارس)

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۴۰ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: NCGTSD01_123
زبان مقاله: فارسی
حجم فایل: ۶۱۱.۹۶ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۹ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی عملکرد سیستم استنتاج فازی عصبی- تطبیقی در پیش بینی خشکسالی با استفاده از نمایه PN (مطالعه موردی: حوزه مند استان فارس)

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

چکیده مقاله:

خشکسالی یکی از اثرات تغییرسامانه اقلیمی است. پیشبینی خشکسالی نقش مهمی در اعمال روشهای موثر مدیریت منابع آب ایجادمی کند. روشهای مختلفی برای مطالعه خشکسالی وجود دارد. روش سیستم های هوشمند جزء عمومی روشهای تحلیل خشکسالی بهشمار می رود. لذا پیش بینی دقیق می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف از این پژوهش، بررسی عملکردسیستم استنتاج فازی-عصبی تطبیقی در پیش بینی خشکسالی در ایستگاه سینوپتیک فارس میباشد. برای این منظور از داده هایبارندگی ماهانه با دوره آماری 32 ساله استفاده گردید. شدت خشکسالی در دوره ماهانه با استفاده از شاخص درصد نرمال بارندگی(PN) تعیین شد. سپس به وسیله مدل ANFIS و با استفاده از شاخص PN پیش بینی شدت خشکسالی در دوره زمانی ماهانه انجامگردید. در پایان برای ارزیابی دقت و درستی روش مورد استفاده، معیارهای آماری ضریب همبستگی و میانگین مجذور مربعات خطامورد استفاده قرار گرفت. یافته ها نشان داد که سیستم استنتاج فازی-عصبی تطبیقی، مقادیر PN و وضعیت خشکسالی را با دقت قابلقبولی پیش بینی می نماید.

کلیدواژه‌ها:

خشکسالی، سیستم استنتاج فازی-عصبی تطبیقی، شاخص PN ، 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-NCGTSD01-NCGTSD01_123.html
کد COI مقاله: NCGTSD01_123

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؛ احمد پهلوانروی و علیرضا مقدم نیا، ۱۳۹۳، ارزیابی عملکرد سیستم استنتاج فازی عصبی- تطبیقی در پیش بینی خشکسالی با استفاده از نمایه PN (مطالعه موردی: حوزه مند استان فارس)، اولین کنفرانس ملی جغرافیا، گردشگری، منابع طبیعی و توسعه پایدار، تهران، موسسه ایرانیان، قطب علمی برنامه ریزی وتوسعه پایدار گردشگری دانشگاه تهران، https://www.civilica.com/Paper-NCGTSD01-NCGTSD01_123.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؛ احمد پهلوانروی و علیرضا مقدم نیا، ۱۳۹۳)
برای بار دوم به بعد: (رستمی؛ پهلوانروی و مقدم نیا، 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 :

  • بررسی تغییرات اقلیمی و درصد فراوانی خشکسالی های استان یزد [مقاله کنفرانسی]
  • انوری، صدیقه، (۱۳۸۷)، ارتقاء مدل‌های هوشمند جهت پیش‌بینی جریان رودخانه ...
  • باقرزاده چهره، کیارش، (۱۳۸۴)، ارزیابی سیگنال‌های هواشناسی در پیش‌بینی خشکسالی ...
  • بذرافشان، جواد و خلیلی، علی (۱۳۸۱)، مطالعه تطبیقی برخی شاخص‌های ...
  • پهلوانی، حمید، (۱۳۸۸)، ارزیابی کارایی مدل‌های شبکه عصبی مصنوعی فر ... (مقاله ژورنالی)
  • داده کاوی روی سیگنال های بزرگ مقیاس اقلیمی برای پیش بینی بلندمدت خشکسالی [مقاله کنفرانسی]
  • مجرد قره باغ، فیروز، (۱۳۷۶)، تحلیل و پیش‌بینی یخبندان در ...
  • مرعشی، مهدیه، (۱۳۸۷)، بررسی شاخص خشکسالی در مناطق نیمه مرطوب ...
  • نبی‌زاده، محمد، (۱۳۸۹)، پیش بینی جریان روزانه رودخانه با استفاده ...
  • نورانی، وحید و صالحی کامران، (۱۳۸۷)، «مدلسازی بارش- روانآب با ... [مقاله کنفرانسی]
  • Hayes, M. 2000, Drought Indices. National Drought Mitigation Center. University ...
  • Jang J.-S.R, 1993, ANFIS adaptive network based uzzy in ference ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۵۱۱۸
    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.