تحلیل خشکسالی هواشناسی با استفاده از الگوریتم بهینه سازی ازدحام ذرات- شبکه های عصبی مصنوعی بر مبنای شاخص MSPI
محل انتشار: فصلنامه دانش آب و خاک، دوره: 28، شماره: 2
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 140
فایل این مقاله در 14 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_WASO-28-2_009
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
پدیده خشکسالی یکی از بلایای طبیعی میباشد که احتمال وقوع آن در تمام مناطق اقلیمی امکانپذیر است و در هر منطقهای که روی میدهد، باعث ایجاد آسیبهای جدی در محیط زیست و زندگی انسانها میشود. بنابراین، پیشبینی این پدیده مضر، میتواند تاثیر قابل توجهی در مدیریت منابع آب داشته باشد و آثار مخرب آن را تا حد امکان کاهش دهد. در این مطالعه، ابتدا با استفاده از شاخص بارندگی استانداردشده چند متغیره (MSPI)، مشخصههای خشکسالی در حوضه آبریز لیقوانچای بهدست آمد و سپس از شبکههای عصبی مصنوعی (ANN) جهت پیشبینی شاخص فوق استفاده گردید. جهت آموزش شبکههای عصبی مصنوعی و تخمین بهینه وزنهای آن، الگوریتم بهینهسازی ازدحام ذرات (PSO) بهکار برده شد و عملکرد آن با الگوریتم پس انتشار خطا (BP) مورد مقایسه قرار گرفت. در این راستا سناریوها و ساختارهای مختلفی در نظر گرفته شد و سپس با استفاده از آزمونهای نیکوئی برازش، میزان دقت هر یک از آنها محاسبه گردید. نتایج حاصل، برتری مدل ANN-PSO نسبت به مدل ANN-BP در پیشبینی خشکسالی را نشان داد.
کلیدواژه ها:
الگوریتم بهینه سازی ازدحام ذرات ، حوضه آبریز لیقوان چای ، خشکسالی هواشناسی ، شاخص بارندگی استانداردشده چند متغیره ، شبکه های عصبی مصنوعی
نویسندگان
مریم شفیعی نجد
دانش آموخته کارشناسی ارشد، گروه مهندسی عمران، پردیس خودگردان تبریز، دانشگاه تبریز
یوسف حسن زاده
استاد، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
محمد تقی اعلمی
استاد، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
امین عبدی کردانی
دانش آموخته دکتری، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
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 :