ارزیابی و پیش بینی خشکسالی های غرب و شمال غرب ایران با استفاده از شبکه عصبی مصنوعی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 173
فایل این مقاله در 22 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_GSMA-3-2_002
تاریخ نمایه سازی: 6 خرداد 1402
چکیده مقاله:
خشکسالی به عنوان مخاطرهای اقلیمی، تاثیر بسزایی بر محیط زیست و به تبع آن انسان و سایر موجودات زنده دارد. ازاین رو پایش و پیشبینی این پدیده امری لازم و ضروری می باشد. در این پژوهش با هدف بررسی و ارزیابی پیشبینی خشکسالی در نیمه غربی کشور از شاخص خشکسالی استاندارد شده چند متغیره (MSDI) و روشهای مبتنی بر هوش مصنوعی استفاده شده است. جهت پیش بینی مقادیر این شاخص در محدوده مطالعاتی، از دادههای ماهانه بارش و رطوبت خاک پایگاه داده MERRA طی دوره ۳۶ ساله (۱۹۸۰-۲۰۱۶) به عنوان ورودی و مقادیر محاسبه شده MSDI بعنوان خروجی بهره برده شد. نتایج تحلیل خشکسالی ماهانه براساس این دادهها نشان داد که شدیدترین خشکسالی در منطقه مورد مطالعه حد فاصل ماههای مارس تا اکتبر به وقوع پیوسته و کانون اصلی وقوع این پدیده، استانهای لرستان و خصوصا ایلام و کرمانشاه میباشند. این نتایج با بررسی نقشههای فصلی و سالانه نیز مطابقت دارد. طبق طبقهبندی شاخص MSDI، خشکسالی شدید در منطقه مورد مطالعه ثبت نشده است و خشکسالیها در طبقه متوسط قرار داشتند. نتایج حاصل از مدل سازی شبکههای عصبی مصنوعی نیز نشان داد که استفاده از شبکههای عصبی مصنوعی به طور کلی از توانایی شبیهسازی مناسبی برخوردار میباشند. از بین الگوریتمهای استفاده شده جهت بهینهسازی شبکه عصبی مصنوعی، الگوریتم ژنتیک، بهترین عملکرد را نسبت به سایر روش ها در پیشبینی خشکسالی ها دارا میباشد.
کلیدواژه ها:
نویسندگان
جعفر معصوم پور سماکوش
دانشیار آب و هواشناسی گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه رازی، کرمانشاه، ایران
وحید سهرابی
کارشناس ارشد آب و هواشناسی گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه رازی، کرمانشاه، ایران
مرتضی میری
استادیار گروه خشکسالی و تغییر اقلیم، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
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 :