مدلسازی پیشبینی سرماهای دیررس بهاره در شهرستان سقز با استفاده از مدل پرسپترون چند لایه (MLP)
- سال انتشار: 1392
- محل انتشار: دومین کنفرانس بین المللی مدلسازی گیاه، آب، خاک و هوا
- کد COI اختصاصی: PWSWM02_004
- زبان مقاله: فارسی
- تعداد مشاهده: 1148
نویسندگان
استادیار گروه جغرافیای طبیعی دانشگاه محقق اردبیلی، اردبیل، ایران
دانشجوی دکترای اقلیمشناسی دانشگاه محقق اردبیلی، اردبیل، ایران
کارشناس ارشد اقلیمشناسی و مدرس دانشگاه پیام نور بوئین زهرا، بوئین زهرا، ایران
کارشناس ارشد اقلیمشناسی دانشگاه تبریز، تبریز، ایران
چکیده
تنش دماهای پایین عامل اصلی محدود کنندهی بسیاری از فعالیتهای کشاورزی اعم از زراعت و باغداریاست، که هر ساله خسارات زیادی را به محصولات کشاورزی وارد می سازد. آگاهی از احتمال وقوع این دماهابرای جلوگیری از خسارات وارده بر محصولات دارای اهمیت بسزایی است. در برنامهریزیهای مختلفی که درارتباط با اقلیمشناسی است اقلیمشناسان سعی میکنند با تجزیه و تحلیل دادههای یک یا چند متغییر اقلیمیدر گذشته، به قوانین و مدلهایی دست یابند که بر این اساس وضعیت آن را در آینده پیشبینی کنند، یکی ازروشهای مذکور شبکههای عصبی مصنوعی از مؤلفههای هوش مصنوعی است که امروزه به طور وسیع درزمینه مدلسازی و پیشبینی پارامترهای اقلیمی مورد استفاده قرار میگیرد که در این پژوهش مدلسازی پیشبینی سرماهای دیررس بهاره ایستگاه سینوپتیک سقز با استفاده از مدل پرسپترون چند لایه MATLAB بهرهگرفته شد سپس به بررسی شاخصهای عملکرد شبکه از جمله ضریب تعیین و همبستگی و درصد خطای نسبی پرداخته شد. نتایج بدست آمده، ضمن تأیید توانایی مدل پرسپترون چندلایه نشان داد که حداکثر خطای این مدل با داده های واقعی کمتر از 0/8 درجه سلسیوس است که توانایی قابل توجه مدل شبکه عصبی مصنوعی در مدلسازی پیشبینی دماهای حداقل را نشان میدهد. که از نتایج آن میتوان در اجرای روشهای مقابله با سرماهای دیررس بهره گرفت.کلیدواژه ها
اقلیم، پیشبینی، دمای حداقل، سقز، شبکه عصبی مصنوعیمقالات مرتبط جدید
- اثر استفاده از پروبیوتیک ، پری بیوتیک و سین بیوتیک بر تولید و ترکیبات شیر و قابلیت هضم مواد مغذی و برخی از فراسنجه های خونی گاوهای هلشتاین
- بررسی آلودگی ماست های محلی توزیع شده به قارچ و کولی فرم در سطح شهرستان مشهد
- پروتئین تک یاخته scp تولید و کاربرد های آن
- A Review of The Impact of Foods Conventional Processing Conditions on Bioactive Ingredients and Sensory Attributes of Foods
- اهمیت و کاربرد اسانس های روغنی در صنایع غذایی
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.