ارزیابی شبکه های عصبی مصنوعی در شبیه سازی و پیشبینی سطح ایستابی دشت قاین دروضعیت خشکسالی و تهدید شرایط بیابانزایی
- سال انتشار: 1391
- محل انتشار: سومین همایش ملی مقابله با بیابان زایی و توسعه پایدار تالابهای کویری ایران
- کد COI اختصاصی: DESERTWETLAND03_752
- زبان مقاله: فارسی
- تعداد مشاهده: 930
نویسندگان
استادیار گروه مهندسی آب دانشگاه آزاد اسلامی واحد فردوس
مربی گروه مهندسی آب دانشگاه آزاد اسلامی واحد فردوس
دانشجویان سابق کارشناسی ارشد آبیاری و زهکشی دانشگاه آزاد اسلامی واحد فردوس
دانشجویان سابق کارشناسی ارشد آبیاری و زهکشی دانشگاه آزاد اسلامی واحد فردوس
چکیده
بیابانزایی تخریب سرزمین در مناطق خشک و نیمهخشک است و به معنی کاهش یا از دست رفتن توان تولیدی یا اقتصادی اراضی دیم، مرتع، چراگاه، جنگل، بوتهزار در مناطق خشک، نیمه خشک میباشد. به طور کلی عوامل موثر بربیابانزایی شامل فرسایش خاک ناشی از باد و یا آب، بر هم خوردن ارتباط بین بهرهبرداران و منابع طبیعی، از بین رفتن پوشش گیاهی (بخصوص گونههای بومی هر منطقه)، افت آبهای زیر زمینی و خشک شدن قناتها و ... میباشند. درتحقیق حاضر به بررسی رابطه بین افت آبهای زیرزمینی در شرایط خشکسالی فرضی در وقوع عوامل بیابانزایی دو منطقه در قاین به کمک شبکه های عصبی مصنوعی پرداخته میشود. شبکه عصبی مصنوعی سیستمی نوین جهتتجزیه و تحلیل دادهها میباشد، که با الهام از طرز کار مغز بشر ساخته شده است و قادر است به سادگی ارتباط پنهانمیان دادهها را حتی دادههایی که دارای ارتباط غیر خطی، توزیعی و ... کشف کند. متغیرهای مورد بررسی برای یک دوره آماری 12 ساله و مقیاس ماهانه از سال 76-1388 مورد استفاده قرار میگیرد. 118 ماه از دوره آماری موجود برای آموزش و 26 ماه دیگر به عنوان اعتبارسنجی و آزمون شبکه استفاده میشود. نتایج حاکی از آن است که شبکهعصبی برگشتی با الگوریتم آموزش لونبرگ مارکورت با ساختارRNN- LM) نسبت به سایر شبکه های عصبی مصنوعی از دقت بالاتری جهت شبیهسازی و پیشبینی تراز سطح ایستابی در وضعیت خشکسالی و ایجاد شرایط بیابانزایی برخوردار میباشدکلیدواژه ها
الگوریتم آموزش لونبرگ مارکورت، بیابانزایی، پیشبینی تراز سطح ایستابی، خشکسالی،شبکه های عصبی مصنوعیمقالات مرتبط جدید
- پایش مکانی خشکسالی با استفاده از شاخص VHI حاصل از داده های سنجنده MODIS - مطالعه موردی: استان تهران
- بررسی دلایل اقلیمی خشکیدگی جنگل های بلوط زاگرس با استفاده از اندازه گیری پارامترهای پهنا و ویژگی های آوندی حلقه های درختی
- طغیان آفات برگخوار نوظهور درختان و درختچه های جنگلی زاگرس شمالی و مرکزی: پیامد تغییرات آب و هوایی
- بانک آب: فرایندی جدید برای احیای حکمرانی آب در ایران
- بررسی تحقیقات خشکسالی در ایران
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.