سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مقایسه روش های مختلف پیش بینی شاخص خشکسالی SPI

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 831

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WRM05_201

تاریخ نمایه سازی: 25 تیر 1393

چکیده مقاله مقایسه روش های مختلف پیش بینی شاخص خشکسالی SPI

در این تحقیق به منظور پیش بینی خشکسالی، از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) استفاده شده است. به این منظور از داده های بارندگی ایستگاه کردخیل با دوره آماری 42 ساله در حوزه آبخیز تجن استفاده شد. وضعیت رطوبتی با استفاده از شاخص بارندگی استاندارد شده (SPI) در دوره های زمانی کوتاه مدت (6،3 و 9 ماهه) و بلند مدت (24،12 و 48 ماهه) محاسبه گردید. سپس از بین داده های محاسبه شده دوره 46-1345 الی 1377-78 به عنوان داده آموزش و دوره 79-1378 الی 87-1386 به عنوان داده آزمون انتخاب گردید. برای تخمین مقدار SPI در زمان t از مقادیر SPI در زمان های قبل استفاده شد. نتایج نشان داد که شبکه عصبی مصنوعی MLP با دقت بالای مقادیر SPI و وضعیت خشکسالی را پیش بینی می کند. همچنین مقایسه نتایج با نتایج حاصل از به کارگیری سری زمانی ARIMA نشان دهنده دقت بالای این روش می باشد.

کلیدواژه های مقایسه روش های مختلف پیش بینی شاخص خشکسالی SPI:

نویسندگان مقاله مقایسه روش های مختلف پیش بینی شاخص خشکسالی SPI

منصور رضائی کلانتری

دانش آموخته کارشناسی ارشد مهندسی منابع آب،گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان

مرتضی نبی زاده

دانش آموخته کارشناسی ارشد مهندسی منابع آب،گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان

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 مقاله لینک شده اند :
دای کرمان، ، بارانی، غ، 1390. بررسی چگونگی پایش خشکسالی ...
محمدی مطلق، م. معتضدی، ا. امیری مهدی پور، ن. 1390. ...
ASCE Task Committee. 2000. Artificial neural networks in hydrology-I: Preliminary ...
_ _ _ _ D. H (2010) Drout forecasting using ...
Box, G.E.P, and Jenkins, G.M. 1976. Time Series Analysis Forecasting ...
_ _ _ _ _ _ _ 588-.595. ...
Edward, D. C., and McKee, T. B. 1997. Characteristics _ ...
Mishra, A. K., and Desai, V. R. 2006. Drought forcasting ...
Morid S , Smakhtin V, Bagherzadeh K(2007) Drought forecasting using ...
Steimmann, A. 2003. Drought indicators and triggers: A stochastic apprach ...
Wilhite, D.A., Hayes, M. J., Knutson, C., and Smith, K. ...
نمایش کامل مراجع

مقاله فارسی "مقایسه روش های مختلف پیش بینی شاخص خشکسالی SPI" توسط منصور رضائی کلانتری، دانش آموخته کارشناسی ارشد مهندسی منابع آب،گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان؛ مرتضی نبی زاده، دانش آموخته کارشناسی ارشد مهندسی منابع آب،گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان نوشته شده و در سال 1392 پس از تایید کمیته علمی پنجمین کنفرانس مدیریت منابع آب ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله خشکسالی، پیش بینی، شبکه عصبی مصنوعی،SPI,MLP,ARIMA هستند. این مقاله در تاریخ 25 تیر 1393 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 831 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این تحقیق به منظور پیش بینی خشکسالی، از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) استفاده شده است. به این منظور از داده های بارندگی ایستگاه کردخیل با دوره آماری 42 ساله در حوزه آبخیز تجن استفاده شد. وضعیت رطوبتی با استفاده از شاخص بارندگی استاندارد شده (SPI) در دوره های زمانی کوتاه مدت (6،3 و 9 ماهه) و ... . این مقاله در دسته بندی موضوعی شبکه عصبی و خشکسالی طبقه بندی شده است. برای دانلود فایل کامل مقاله مقایسه روش های مختلف پیش بینی شاخص خشکسالی SPI با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.