مقایسه شبکه عصبی با سیستم فازی-عصبی تطبیقی در پیش بینی خشکسالی هواشناسی
- سال انتشار: 1391
- محل انتشار: اولین همایش ملی بیابان (علوم، فنون و توسعه پایدار)
- کد COI اختصاصی: DESERT01_068
- زبان مقاله: فارسی
- تعداد مشاهده: 2007
نویسندگان
دانشگاه تربیت مدرس، دانشکده منابع طبیعی، گروه مهندسی آبخیزداری
دانشگاه تربیت مدرس، دانشکده منابع طبیعی، گروه مهندسی آبخیزداری
دانشگاه تربیت مدرس، دانشکده منابع طبیعی، گروه مهندسی آبخیزداری
دانشگاه تربیت مدرس، دانشکده منابع طبیعی، گروه مهندسی آبخیزداری
چکیده
خشکسالی به عنوان یکی از مهمترین بلایای طبیعی بوده که بر ابعاد مختلف زندگی بشر تاثیر می گذارد. در طی دهه های اخیر تکنیک های هوشمند توانایی های زیادی را در مدل سازی و پیش بینی سری های زمانی غیر خطی و غیر ایستا نشان داده اند. از این رو در این مطالعه از روش های شبکه عصبی مصنوعی و سیستم فازی-عصبی تطبیقی به منظور پیش بینی خشکسالی، استفاده شده است. به این منظور از داده های بارندگی در حوزه آبخیز صوفی چای و قلعه چای، برای این مطالعه استفاده شد. ابتدا شاخص SPI شش ماهه محاسبه و بعنوان ورودی برای مدل های ANN و ANFIS در نظر گرفته شد. نتایج این بررسی نشان داد که ANFIS عملکرد بهتری نسبت به ANN در مدل سازی و پیش بینی خشکسالی را دارد. نتایج نشان داد که شبکه ای با الگوریتم یادگیری لونبرگ-مارگارت با تابع انتقال تانژانت سیگموئید در لایه مخفی، با 40 نرون و برای یک گام به جلو و با RMSE و R2 به ترتیب 81/1 و 89/0 بهترین مدل شبکه عصبی در این تحقیق بودند. همچنین نتایج بیانگر این بود که مدلی با تابع عضویت pi در گام زمانی یک گام روبه جلو با تعداد توابع عضویت 5 و در تکرار 3000 و با RMSE و R2 به ترتیب 089/0 و 90/0 بهترین عملکرد را داشته است.کلیدواژه ها
پیش بینی خشک سالی، شبکه عصبی مصنوعی، سیستم فازی- عصبی تطبیقی، شاخص SPIمقالات مرتبط جدید
- پایش مکانی خشکسالی با استفاده از شاخص VHI حاصل از داده های سنجنده MODIS - مطالعه موردی: استان تهران
- بررسی دلایل اقلیمی خشکیدگی جنگل های بلوط زاگرس با استفاده از اندازه گیری پارامترهای پهنا و ویژگی های آوندی حلقه های درختی
- طغیان آفات برگخوار نوظهور درختان و درختچه های جنگلی زاگرس شمالی و مرکزی: پیامد تغییرات آب و هوایی
- بانک آب: فرایندی جدید برای احیای حکمرانی آب در ایران
- بررسی تحقیقات خشکسالی در ایران
اطلاعات 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.