بررسی فرآیند پیش رو در مدل سازی بارش ماهانه با استفاده از شبکه عصبی مصنوعی
- سال انتشار: 1401
- محل انتشار: هفدهمین همایش ملی علوم و مهندسی آبخیزداری ایران با محوریت آبخیزداری و امنیت پایدار غذایی
- کد COI اختصاصی: WATERSHED17_113
- زبان مقاله: فارسی
- تعداد مشاهده: 179
نویسندگان
استادیار مهندسی آب، گروه مرتع و آبخیزداری، دانشگاه گنبد کاووس
چکیده
امروزه پیش بینی و مدل سازی فرآیند بارندگی برای برنامه ریزی و مدیریت منابع آب بسیار ضروری است. در پژوهش حاضر از آمار ۳۴ ساله ایستگاه هواشناسی رامیان جهت مدل سازی بارش ماهانه استفاده شد. پیش-بینی مقادیر بارش برای ۱۲ ماه آینده به کمک مدل شبکه عصبی مصنوعی (ANN) با استفاده از نرم افزار SPSS انجام شد. ورود داده ها به مدل در ۲ حالت فرآیند پیش رو و سری کامل داده ها انجام و نتایج مقایسه شد. اعتبارسنجی مقادیر پیش بینی شده با استفاده از شاخص-های MAD، RMSE و MAPE مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل شبکه های عصبی مصنوعی در برازش مقادیر بارش ماهانه برای هر ۲ استراتژی مورد استفاده عملکرد مناسبی داشته است. با این وجود، هنگامی که از فرآیند پیش رو (RMSE=۱.۲۴۳۴) استفاده شود، عملکرد مدل نسبت به ورود سری کامل داده ها (RMSE=۵.۴۰۶۱) بهبود قابل ملاحظه ای یافته است.کلیدواژه ها
مدل سازی، بارش ماهانه، مدل شبکه عصبی مصنوعی، فرآیند پیش رومقالات مرتبط جدید
- پایش تغییرات پهنه های آبی با استفاده از تصاویر ماهواره ای و تحلیل شاخص NDWI
- ارائه یک مدل برنامه ریزی خطی عدد صحیح مختلط جدید به جهت ترکیب واحدها برای راه اندازی یک نیروگاه برق آبی در مقیاس بزرگ
- خصوصی سازی مدیریت ریسک در حوزه آب و فاضلاب (مطالعه موردی: شرکت آب وفاضلاب تهران)
- بنچمارکینگ آب واحدهای مسکونی شهری، ضرورت و کاربردها
- شناسایی عوامل موثر بر تسهیل صادرات خدمات فنی و مهندسی مرتبط با صنعت آب
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.