کاربرد شبکه عصبی مصنوعی در شبیهسازی عناصر اقلیمی و پیشبینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان(
- سال انتشار: 1389
- محل انتشار: مجله جغرافیا و برنامه ریزی محیطی، دوره: 21، شماره: 3
- کد COI اختصاصی: JR_GEP-21-3_006
- زبان مقاله: فارسی
- تعداد مشاهده: 285
نویسندگان
چکیده
اربرد شبکه عصبی مصنوعی در شبیهسازی عناصر اقلیمی و پیشبینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان( چکیده در این پژوهش، از شبکههای عصبی مصنوعی ( Artificial Neural Networks ) به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین، به منظور پیشبینی سیکل خشکسالی در۲۰ ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری استان اصفهان که حداقل۲۰ سال آمار روزانه داشتند، استفاده شد. از نرمافزار MATLAB-۷ و در شاخه Neural Network ، برای پیشبینی وتجزیه و تحلیل عناصراقلیمی کمک گرفته شد. ورودی مدلهای ANN ، دادههای میانگینماهانه بارش، دبی حداقل و دمایبیشینه است که این دادهها، بازه زمانی سالهای۱۳۶۰ تا۱۳۸۳ را در بر میگیرند. اطلاعات۲۰ ساله برای آموزش مدل ها و ۴ سال باقی مانده برای آزمایش آنها به کاررفته است. شبکه مورد استفاده از نوع پرسپترون چندلایه( Multi - layer P erceptron ) با الگوریتم پسانتشارخطا ( Back Propagation ) و تکنیک یادگیری مارکوارت- لونبرگ ( Train LM: Levenberg-Marquardt ) است. ساختارهای گوناگونی از شبکه عصبی با تغییر در لایههای ورودی (۶ مدل)، تعداد گرهها در لایههای پنهان و خروجی (۲ الی۲۰ گره) ایجاد گردید. نتایج حاصل از تحقیق حاضر، نشان میدهد که در میان الگوهای مورد بررسی، دمایبیشینه، دبی و بارش، نقش مثبتی در پیشبینی خشکسالیهای استان اصفهان داشته، با کاربرد شبکه عصبی مصنوعی میتوان با دقت بالای ۹۵ درصد، سیکل خشکسالی استان را پیشبینی نمود.کلیدواژه ها
مارکوارت- لونبرگ, واژههای کلیدی: شبکه عصبی مصنوعی, پیشبینی خشکسالی, پرسپترون چندلایه, مارکوارت, لونبرگ, استان اصفهاناطلاعات 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.