ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیشبینی روزانه بارش با استفاده از مدلهای ANNs و ANFIS

سال انتشار: 1390
کد COI مقاله: NCAGM01_061
زبان مقاله: فارسیمشاهد این مقاله: 1,044
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیشبینی روزانه بارش با استفاده از مدلهای ANNs و ANFIS

الهام کاکائی - دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه زابل.
علیرضا مقدم نیا - دانشیار گروه مهندسی مرتع و آبخیزداری دانشگاه زابل.
احمد پهلوانروی - استادیار گروه مهندسی مرتع و آبخیزداری دانشگاه زابل.
آزاده احمدی - استادیار گروه مهندسی عمران آب دانشگاه صنعتی اصفهان.

چکیده مقاله:

پیشبینی بارش به عنوان یک پدیده آب و هوایی، نقش مهمی در مطالعات پیشبینی سیلاب، منابع آب و مدیریت حوضه آبخیز دارد. روشهای پیشبینی بارش را می توان به دو گروه تقسیم کرد: روشهای آماری و مدلهای عددی پیشبینی یا NWP به دلیل خصوصیات غیرخطی پدیده بارش، مدلهای آماری نمی توانند نتایج مناسبی ایجاد کنند. همچنین شرایط اقلیمی محلی در فرآیند بارش تاثیرگذار است و مدلهای NWP نمیتوانند این مشکل را حل کنند. اخیرا، تکنیکهای هوش مصنوعی به دلیل توانایی و انعطاف پذیری که در مدلسازی فرآیند غیرخطی بارش دارا می باشد جهت پیش بینی بارش مورد استفاده قرار گرفته است. در این مقاله بارش در زیرحوضه قلعه شاهرخ واقع در بالادست سد زاینده رود با استفاده از شبکه های عصبی مصنوعی (ANNs) و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) برای یک دوره 10 ساله (1388-1378) پیش بینی شده است. همچنین بهترین ترکیب ورودی با استفاده از گاما تست مشخص گردید. نتایج نشان میدهد که مدل ANFIS با ضریب تعیین برابر 0/9293 و RMSE برابر با 0/7158 در دوره ارزیابی می تواند بهتر از سایر مدلها بارش را پیشبینی کند. همچنین نتایج نشان میدهد که پیشبینی بارش بر اساس پردازش ترکیب ورودی عملکرد بهتری در مقایسه با پیش بینی بدون پردازش ترکیب وروردی داشته است.

کلیدواژه ها:

پیشبینی بارش، شبکه عصبی مصنوعی، ANFIS، گاما تست

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/173278/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
کاکائی، الهام و مقدم نیا، علیرضا و پهلوانروی، احمد و احمدی، آزاده،1390،پیشبینی روزانه بارش با استفاده از مدلهای ANNs و ANFIS،اولین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی،کرج،،،https://civilica.com/doc/173278

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390، کاکائی، الهام؛ علیرضا مقدم نیا و احمد پهلوانروی و آزاده احمدی)
برای بار دوم به بعد: (1390، کاکائی؛ مقدم نیا و پهلوانروی و احمدی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • کنفرانس ملی هواشناسی و مدیریت آب کشاورزی 1 و 2 ...
  • Chattopadhyay, S. 2007. Feed forward artificial neurl network modl to ...
  • Geetha, G. and Selvaraj, R.S. 2011. Application of monthly rainfall ...
  • Haltiner, G.J. And Williams, R.T. _ _ prediction and _ ...
  • Ingsrisawang, L., Ingsrisawang, S., Smochit, S., Aungsuratana, P., Khantiyanan, W. ...
  • Jamalizaden _ M. R.. M oghaddamnia _ A. R., Piri. ...
  • Koncar . N 1997. Optimisation methodologies for direct inverse neurocontrol ...
  • Luk. K.C., Ball. J.E., Sharma. A. 200)1. An application of ...
  • Maria, C., Haroldo, F., Ferreira, N. 2005. Artificial neural network ...
  • Renji. R., Shamim. M.A., Han. D., Mathew. J. 2009. Runoff ...
  • Somvanshi, V.K., Pandey, O.P., Arawal, P.K., Kalanker, N.V., Ravi Parkash, ...
  • Stefansson. A., Koncar. N., Jones . A. J. 1997. A ...
  • Trafalis, TB., White, A., Santosa, B., Richman, MB. 2002. Data ...
  • e _ h amkaka ei_2009 @yahoo.com ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    نظرات خوانندگان

    5.00
    1 تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0

    کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش 1 مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 6,284
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی