ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

استفاده از مدل شبکه های عصبی به منظور پیش بینی خشکسالی

سال انتشار: 1392
کد COI مقاله: NACONF01_0816
زبان مقاله: فارسیمشاهد این مقاله: 323
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از مدل شبکه های عصبی به منظور پیش بینی خشکسالی

عبدالله سیف - استادیار، دانشکده علوم جغرافیایی و برنامه ریزی، دانشگاه اصفهان
مرضیه مکرم - دانشجوی دکتری، دانشکده علوم جغرافیایی و برنامه ریزی، دانشگاه اصفهان
اسماعیل سهیلی - دانشجوی دکتری، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد

چکیده مقاله:

پیشبینی خشکسالی نقش مهمی در مدیریت منابع طبیعی، سیستم های منابع آب وغیره دارد. در طی سال های اخیر شبکه های عصبی توانایی های زیادی در مدلسازی و پیشبینی سری های زمانی غیرخطی و غیرایستا نشان داده اند. از این رو،در این تحقیق به منظور پیش بینی خشکسالی، از شبکه عصبی پرسپترون چندلایه (MLP) استفاده شده است. داده های ورودی این مدل، شاخص بارندگی استاندارد شده (SPI) در دوره های زمانی کوتاه مدت (6،3،1 و 9 ماهه) است. از داده های سال 1370 تا 1385 به عنوان داده تست و دوره 1385 تا 1391 به عنوان داده آموزش استفاده گردید. نتایج نشان داد که شبکه عصبی مصنوعی MLP دارای دقت و سرعت بالایی در پیش بینی مقادیر SPI و پیش بینی وضعیت خشکسالی است.

کلیدواژه ها:

خشکسالی، پیش بینی، شبکه عصبی مصنوعی MLP,SPI

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/258155/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
سیف، عبدالله و مکرم، مرضیه و سهیلی، اسماعیل،1392،استفاده از مدل شبکه های عصبی به منظور پیش بینی خشکسالی،اولین همایش سراسری کشاورزی و منابع طبیعی پایدار،تهران،،،https://civilica.com/doc/258155

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، سیف، عبدالله؛ مرضیه مکرم و اسماعیل سهیلی)
برای بار دوم به بعد: (1392، سیف؛ مکرم و سهیلی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • فرج زاده، م.، ع . .موحد دانش و ه .قائمی. ...
  • کریمی، و.، ع .ا .کامکار حقیقی، ع .ر .سپاسخواه و ...
  • گل محمدی، م.. مساح بوانی، ع. 1391. بررسی تغییر شدت ...
  • Do upingy-Girux, L.A. (2001). Towards characterizing and planning for drought ...
  • Edwars, D. C., & Mckee T. B (1997). Characteristis of ...
  • Hayes, M.J., Svoboda, M. D., Wihite, D. A, & Vanyarkho, ...
  • Herbst, P.H., Bredencamp D.B., _ Baker H.M., (1966). A technique ...
  • Mckee, T. B., Doesken, N. J. & Kleist, J. (1993). ...
  • Mohan, S. and N.C. Rangacharia. 1991. A modified method for ...
  • Palmer, W.C. 1965. Meteorological drought. USWB, Res. Paper No.45. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    نظرات خوانندگان

    4.00
    1 تعداد پژوهشگران نظر دهنده
    5
    4 1
    3
    2
    1

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 14,181
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی