بررسی کاربرد مدل‌های شبکه عصبی مصنوعی در شبیه‌سازی و پیش‌بینی خشکسالی

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,750

فایل این مقاله در 7 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:

NSDEM02_061

تاریخ نمایه سازی: 6 اسفند 1387

چکیده مقاله:

خشکسالی یکی از بزرگ‌ترین بلاهای طبیعی محسوب می‌شود که تاثیر آن بر جوامع بشری بیشتر از سایر بلاهای طبیعی می‌باشد. در این مقاله به بررسی کاربرد مدل‌های مختلف شبکه عصبی در پیش‌بینی خشکسالی در ایستگاه یزد پرداخته شده است. ورودی‌های مورد استفاده در مدل شامل بارش ماهیانه و برخی پارامترهای هواشناسی بوده و بر همین اساس میزان بارش در یکسال آینده پیش‌بینی شده است. بر اساس بررسیهای انجام شده ساختارهای دینامیک شبکه عصبی شامل در دو شبکه برگشتی (Recurrent network=RN) و برگشتی با تاخیر زمانی (Iag recurrent network=TLRN Time) در این زمینه کارایی بهتری را نشان دادند. در نهایت شبکه TLRN جهت پیش‌بینی میانگین متحرک سه‌ساله بارش در یکسال آینده و به تبع آن وضعیت خشکسالی به عنوان مناسب‌ترین مدل تشخیص داده شد.

نویسندگان

حمیده افخمی

دانشجوی کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه یزد

محمد تقی دستورانی

استادیار دانشکده منابع طبیعی، دانشگاه یزد

حسین ملکی نژاد

استادیار دانشکده منابع طبیعی، دانشگاه یزد

محمدحسین مبین

استادیار دانشکده منابع طبیعی، 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 :