پیش بینی خشکسالی با استفاده از سیگنال های اقلیمی و شبکه عصبی مصنوعی- منطقه شمال شرق کشور

نوع محتوی: طرح پژوهشی
زبان: فارسی
استان موضوع گزارش: تهران
شهر موضوع گزارش: تهران
شناسه ملی سند علمی: R-1057584
تاریخ درج در سایت: 27 بهمن 1397
دسته بندی علمی: علوم کشاورزی
مشاهده: 185
تعداد صفحات: 127
سال انتشار: 1391

نسخه کامل طرح پژوهشی منتشر نشده است و در دسترس نیست.

  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این طرح پژوهشی:

چکیده طرح پژوهشی:

خشکسالی یکی از بلایای طبیعی است که خسارات زیادی به زندگی انسان و اکوسیستم های طبیعی وارد می آورد و تقریبا در همه رژیم های اقلیمی دیده می شود. با توجه به اینکه ایران در کمربند خشک دنیا قرار گرفته است، هیچ منطقه ای از کشور از این پدیده در امان نیست و تحت تاثیر این پدیده مخرب قرار دارد. راهکار مهم برای کاهش خسارات ناشی از خشکسالی، شناخت صحیح این پدیده است. با توجه به پیشرفت تکنولوژی و افزایش روز افزون تولید داده ها بایستی مدل هایی ایجاد کرد که بتواند این گونه پدیده ها را قبل از وقوع پیش بینی کند. در این صورت می توان خسارات ناشی از آن را به حداقل کاهش داد. از مواردی که در مدیریت منابع آب از اهمیت خاصی برخوردار است، پیش بینی طولانی مدت خشکسالی است. عدم پیش بینی طولانی مدت خشکسالی تا کنون باعث شده تا نتوان مدیریت کارآمد در خشکسالی ها بکار گرفته شود. سابقه تحقیقات کشور ما در زمینه خشکسالی، بیشتر در سطح شبیه سازی و پیش بینی بارش و جریان رودخانه ها با استفاده از داده های محلی بوده است. استفاده از سیگنال های اقلیمی سابقه بسیار محدود در تحقیقات کشور ما داشته و اغلب نیز علمی و کابردی نمی باشند. این تحقیق به منظور به کاربردن روشی نو در کاربرد شبکه عصبی و استفاده از داده هایی که در فاصله دور از ما اندازه گیری و به طور منظم ثبت می شوند، بوده و سرآغاز فصلی تازه در شبیه سازی و پیش بینی طولانی مدت بارش و جریان رودخانه توسط مدل های ریاضی می باشد. در این ارتباط و در تحقیق حاضر، شبیه سازی و پیش بینی بارش و جریان رودخانه ها برای طولانی مدت در منطقه شمال شرق کشور، با استفاده از سیگنال های بزرگ مقیاس اقلیمی و شبکه عصبی مصنوعی، انجام شد. مدل مورد استفاده در این شبیه سازی، شبکه عصبی است که بعنوان هسته مرکزی یک سیستم مدل سازی در نظر گرفته شده است. قبل از ورود داده های شبیه ساز به مدل شبکه عصبی، یک سیستم و شبکه فیلترینگ ‭MIMO‬، ‭MISO‬، ‭SISO ‬با پیچیدگی بالا جهت تحلیل و تولید سیگنال های سفید از ترکیب سیگنال های بزرگ مقیاس اقلیمی، طراحی و ساخته شد. سیگنال های سفید تولید شده بعنوان ورودی مدل شبکه عصبی در مدل سازی بکار رفت. نتیجه نهایی این تحقیق منجر به تولید مدل شبکه عصبی با توان بسیار بالا در شبیه سازی بارش و جریان رودخانه ها با نتایج مطلوب در منطقه شمال شرق کشور، یکی از مناطق 9 گانه تفکیک شده کشور از نظر اقلیمی، گردید. واژه های کلیدی: سیگنال بزرگ مقیاس اقلیمی، شبکه عصبی، جریان رودخانه، بارش، شبیه سازی و پیش بینی