تحلیل خشکسالی هواشناسی با استفاده از الگوریتم بهینه سازی ازدحام ذرات- شبکه های عصبی مصنوعی بر مبنای شاخص MSPI
- سال انتشار: 1397
- محل انتشار: فصلنامه دانش آب و خاک، دوره: 28، شماره: 2
- کد COI اختصاصی: JR_WASO-28-2_009
- زبان مقاله: فارسی
- تعداد مشاهده: 143
نویسندگان
دانش آموخته کارشناسی ارشد، گروه مهندسی عمران، پردیس خودگردان تبریز، دانشگاه تبریز
استاد، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
استاد، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
دانش آموخته دکتری، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
چکیده
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 مصنوعیاطلاعات 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.