مقایسه روش های شبکه های عصبی مصنوعی، شبکه بیزین و برنامه ریزی بیان ژن در پیش بینی خشکسالی (مطالعه موردی: ایستگاه سینوپتیک مراغه)
محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 11، شماره: 21
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 184
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMR-11-21_006
تاریخ نمایه سازی: 4 مهر 1400
چکیده مقاله:
خشکسالی جزء جدایی ناپذیر هر اقلیمی محسوب می گردد که تاثیرات مهمی بر بخش های مختلف جامعه دارد و سبب افزایش فشار بر منابع آبی می گردد. لذا پیش بینی وضعیت آتی آن می تواند به برنامه ریزان و تصمیم گیران در بخشهای مختلف کمک شایانی نماید. در این تحقیق جهت پیش ینی خشکسالی در مقیاسهای زمانی مختلف شاخص خشکسالی بارش و تبخیر تعرق استاندارد (SPEI) از ۵ ورودی مختلف شامل مقادیر شاخص SPEI با تاخیرهای یک تا ۵ ماهه استفاده و سپس از سه روش هوشمند شامل برنامه ریزی بیان ژن (GEP)، شبکه بیزین (BN) و شبکه عصبی مصنوعی (ANN) جهت پیش بینی مقادیر آتی استفاده گردید. نتایج نشان داد که هر سه روش در مقیاس زمانی کوتاه مدت شاخص SPEI از دقت مناسب برخوردار نمی باشند به طوری که بهترین عملکرد در مقیاس زمانی یک ماهه مربوط به مدل شبکه بیزین با ضریب همبستگی ۱۴۲/۰ و در مقیاس سه ماهه مربوط به روش ANN با ضریب همبستگی ۷۰۴/۰ می باشد. نتایج همچنین نشان داد که دقت پیش بینی مدل با افزایش مقیاس محاسبه SPEI رابطه مستقیم دارد و با افزایش مقیاس زمانی SPEI، دقت پیش بینی افزایش پیدا می کند. همچنین هر سه روش در مقیاسهای زمانی بلندمدت از عملکرد مناسبی برخوردار می باشند.
واژههای کلیدی: پیشبینی، خشکسالی، مراغه، مدل هوشمند، شاخص SPEI
کلیدواژه ها:
Drought ، Intelligent Model ، Prediction ، SPEI ، Maragheh ، پیش بینی ، خشکسالی ، مراغه ، مدل هوشمند ، شاخص SPEI
نویسندگان
عباس عباسی
Urmia University
کیوان خلیلی
Urmia University
جواد بهمنش
Urmia University
اکبر شیرزاد
Urmia University of Technology
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 :