کاربرد الگوهای شبکه مصنوعی در شبیه سازی شدت خشکسالی
- سال انتشار: 1392
- محل انتشار: نهمین همایش ملی علوم و مهندسی آبخیزداری ایران
- کد COI اختصاصی: WATERSHED09_041
- زبان مقاله: فارسی
- تعداد مشاهده: 874
نویسندگان
دانش آموخته کارشناسی ارشد مدیریت مناطق بیابانی دانشگاه تهران
عضو هیات علمی مرکز تحقیقات کشاورزی و منابع طبیعی استان یزد
دانش آموخته کارشناسی ارشد مدیریت مناطق بیابانی دانشگاه تهران
دانش آموخته کارشناسی ارشد هواشناسی کشاورزی دانشگاه تهران
چکیده
خشکسالی یکی ازمهمترین پدیده های آب وهوایی استک ه درهمه شرایط اقلیمی و درهمه مناطق کره زمین به وقوع می پیوندد پیش بینی خشکسالی نقش مهمی درکاهش خسارت خشکسالی ایفا مینماید ازانجا که درطی دهه های اخیر شبکه های عصبی توانایی زیادی را درمدلسازی سریهای زمانی نشان داده اند بدین منظور پس ازارزیابی شاخص بارش استاندارد درگام های زمانی 3و12 ماهه ازشبکه عصبی پرسپترون سه لایه با تابع لوگ سیگموئید و الگوریتم اموزشی پس ازانتشار خطا برای پیش بینی یک ماه بعدمقادیر SPI دوازده و سه ماهه استفاده شد نتایج بیانگر این بود که مدل منتخب SPI12 درمقایسه با مدل منتخب SPI13 ازدقت بیشتری برای پیش بینی یک ماه بعدمقادیر SPI برخوردار استکلیدواژه ها
شبکه عصبی، MLP، شاخص بارش استاندارد، خشکسالیمقالات مرتبط جدید
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.