مدلسازی و پیش بینی آب و هوایی فصلی با بکارگیری الگوهای فصلی، شبکه عصبی و هیبرید
محل انتشار: اولین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,377
فایل این مقاله در 11 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:
NCAGM01_196
تاریخ نمایه سازی: 7 آذر 1391
چکیده مقاله:
استان اردبیل به لحاظ داشتن تنوع اقلیمی خاص و منحصربفرد، وجود کشت و صنعت های مغان و پارس، دشتهای حاصلخیزاردبیل، مغان و مشکین شهر جایگاه ویژه ای در بخش کشاورزی در سطح کشور دارد. استان اردبیل از دو بخش کوهستانی سردو جلگه ای معتدل تشکیل شده و به تبع عوامل طبیعی و جغرافیائی، دارای تنوعات اقلیمی قابل توجه است. اما ویژگی سردیکه ناشی از تاثیر توده های هوای سرد شمالی، ارتفاع و عرض جغرافیائی است، صفت مشترک اقلیم های گوناگون استانگردیده و حتی در پست ترین نقاط استان که طبیعتا دارای اقلیم معتدل هستند بطور متوسط درحدود 61 روز از سال دارایشرایط یخبندان بوده و سردی هوا برتمامی استان و کلیه اقلیم ها کم و بیش تاثیر می گذارد.به دلیل نوسانات نسبتا زیاد آب و هوا و باتوجه به شرایط آب و هوایی و وجود یخبندانها در فصل بهار و همچنین سرمای زودهنگام در فصل پاییز باعث شده که کاشت و برداشت محصولات کشاورزی در این استان همواره مواجه با بلایای جوی باشد لذابا توجه به اهمیت بخش کشاورزی در استان اردبیل، در نوشتار حاضر از الگوهای فصلی، شبکه عصبی مصنوعی و هیبرید الگویفصلی و شبکه عصبی مصنوعی برای پیش بینی میانگین ماهیانه متوسط دمای روزانه هوای اردبیل برحسب درجه سانتی گراد استفاده شده است. برای این منظور داده های ماهانه میانگین دمای هوا طی دوره 89-1356 برای اردبیل مورد استفاده قرار گرفته است. مقایسه قدرت پیش بینی سه الگوی فوق مؤید برتری الگوی هیبرید SARIMABP می باشد.
کلیدواژه ها:
نویسندگان
پریسا خلیق خیاوی
دانشجوی دکتری اقتصاد کشاورزی دانشگاه آزاد اسلامی واحد علوم و تحقیقات
محمد کاوسی کلاشمی
دانشجوی دکتری اقتصاد کشاورزی دانشگاه تهران
عباس حیدرزاده
کارشناس شرکت سهامی آب منطقه ای اردبیل
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 :