مقایسه مدل های رگرسیونی و شبکه عصبی به منظور شبیه سازی بارش در مناطق خشک و نیمه خشک
- سال انتشار: 1398
- محل انتشار: چهاردهمین همایش ملی علوم و مهندسی آبخیزداری ایران
- کد COI اختصاصی: WATERSHED14_164
- زبان مقاله: فارسی
- تعداد مشاهده: 840
نویسندگان
استادیار، بیابان زدائی، مرکز پژوهشی علوم جغرافیایی و مطالعات اجتماعی، دانشگاه حکیم سبزواری
استادیار، دکتری مهندسی منابع طبیعی- آبخیزداری
استادیار، آبخیزداری، مرکز پژوهشی علوم جغرافیایی و مطالعات اجتماعی، دانشگاه حکیم سبزواری
چکیده
در تحقیق حاضر روش شبکه عصب مصنوعی به عنوان یک مدل کارآمدل در پیش بینی میزان بارندگی شهرستان سبزوار مورد استفاده قرار گرفته و نتایج آن با رگرسیون هند متغیره خطی مقایسه شده است در این تحقیق از داده های میانگین ماهیانه دما، بارندگی، رطوبت نسبی و سرعت باد برای یک دوره 30 ساله 1980-2009 استفاده شده است. نتایج مدل رگرسیون چند متغیره خطی نشان داد که با بهره گیری از 3 متغیر رطوبت نسبی، دما و سرعت باد میتوان میزان بارندگی را با ضریب همبستگی 0/761 و ضریب تبیین 0/578 برآورد نمود. تحلیل نتایج خروجی مدل شبکه عصبی با داده های مشاهده ای نشان داد که ترکیب متغیرهای دما و رطوبت نسبی موج کاهش خطا و افزایش ضریب کارایی در مدل می شود.ضریب همبستگی و ضریب تبیین مقادیر واقعی ماهیانه بارندگی و پیش بینی شده در بهترین مدل طراحی شده توسط شبکه عصبی به ترتیب برابر با 0/978 و 0/957 طراحی شده توسط شبکه عصبی به ترتیب برابر با 0/978 و 0/957 می باشد. همچنین بر اساس نتایج مشخص می شود که مدل شبکه عصبی مصنوعی به عنوان ابزار قدرتمندی در پیش بینی بارندگی نسبت به رگرسیون خطی چند متغیره عمل می کند.کلیدواژه ها
شبکه عصبی، بارندگی، رگرسیون، خشک و نیمه خشک، سبزوارمقالات مرتبط جدید
اطلاعات بیشتر در مورد 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.