طراحی شبکه عصبی تاخیری متمرکز در پیش بینی خشکسالی هواشناسی

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 384

فایل این مقاله در 5 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:

AGRONOMY01_562

تاریخ نمایه سازی: 29 اردیبهشت 1400

چکیده مقاله:

پیش بینی و مدلسازی خشکسالی در مدیریت حوزه های آبخیز بسیار حائز اهمیت است. هدف از این تحقیق، طراحی و مقایسه کارایی مدلهای مختلف شبکه عصبی متمرکز تاخیری (FTDNN) در پیش بینی خشکسالی میباشد. بدین منظور از سری دوازده ماهه شاخص بارش استاندارد((SPI برای مطالعه خشکسالی استفاده شد. برازش مدل های مختلف شبکه عصبی برای تعیین بهترین الگوریتم آموزش و همچنین تعیین تعداد گره ها در لایه میانی انجام شد و پیش بینی براساس این مدل ها صورت گرفت. از پارامترهای مختلف از جمله ضریب همبستگی، به عنوان معیار مقایسه مدل های نهایی استفاده شد. در مرحله اول مدل سازی، الگوریتم لونبرگ - مارکوات با صحت پیش بینی %۹۱ و در مرحله دوم مدل با ۳۱ گره در لایه میانی با صحت پیش بینی %۹۲ برای طراحی مدل انتخاب شدند.

کلیدواژه ها:

شبکه عصبی تاخیری متمرکز ، خشکسالی ، پیشبینی

نویسندگان

فاطمه روستائی

عضو هیئت علمی، دانشکده منابع طبیعی، دانشگاه اردکان