پیش بینی شاخص خشکسالی spi بااستفاده ازدو مدل شبکه های عصبی و شبکه های عصبی موجکی مطالعه موردی ایستگاه سینوپتیک یزد
- سال انتشار: 1392
- محل انتشار: نهمین همایش ملی علوم و مهندسی آبخیزداری ایران
- کد COI اختصاصی: WATERSHED09_151
- زبان مقاله: فارسی
- تعداد مشاهده: 518
نویسندگان
دانشجوی دکتری علوم و مهندسی آبخیزداری دانشگاه یزد
دانشجوی دکتری علوم و مهندسی آبخیزداری دانشگاه یزد
دانشجوی دکتری علوم و مهندسی آبخیزداری دانشگاه یزد
چکیده
خشکسالی یکی ازپدیده های طبیعی است که تاثیرات آن برمنابع اب به شدت تاثیر گذار میباشد جهت ارزیابی کمی و کیفی این پدیده شاخصهای متفاوتی ارایه شدها ست پیش بینی شاخصهای ارایه شده میتوانددرراستای مدیریت مقابله با آن کارساز باشد امروزه مدلهای متفاوتی جهت پیش بینی خشکسالی ارایه شده است دراین تحقیق جهت پیش بینی خشکسالی ایستگاه سینوپتیک یزدازشاخص بارش استاندارد دردوسناریو استفاده گردیده است درسناریوی اول جهت ارزیابی شاخص بارش استاندارد ازمدل شبکه های عصبی پرسپترون و درسناریوی دوم با استفاده ازتئوری تبدیل موجک مدل تلفیقی شامل ترکیب شبکه های پرسپترون و تئوری موجک ارایه گردید نتایج نشان داد انالیز موجک با پردازش برروی داده های ورودی مدل و شکستن مولفه ورودی به مولفه های جزئی عملکردمدل شبکه عصبی را بهبود بخشیده بطوریکه دراین تحقیق نتایج حاص لازمدل تلفیقی شبکه های عصبی موجکی نسبت به شبکه های عصبی پرسپترون کارایی بالاتری را نشان داده استکلیدواژه ها
خشکسالی، شاخص بارش استاندارد، آنالیز موجک، شبکه عصبی پرسپترون، مدل تلفیقی عصبی - موجکیمقالات 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.