مدل سازی پیش بینی بارش پائیزه پیرانشهر با استفاده شبکه های عصبی مصنوعی

سال انتشار: 1393
محل انتشار: همایش ملی تغییرات اقلیم و مهندسی توسعه پایدار کشاورزی و منابع طبیعی
کد COI اختصاصی: CCASD01_117
زبان مقاله: فارسی
تعداد مشاهده: 534

نویسندگان

دانشجوی کارشناسی ارشد اقلیم شناسی گرایش مخاطرات محیطی دانشگاه پیام نور ارومیه

چکیده

بارش یکی از مهمترین داده های ورودی به سیستم هیدرولوژیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعه رواناب، خشکسالی، سیلاب و ... ضروری است. همواره اقلیم شناسان سعی می کنند با تجزیه و تحلیل داده های یک یا چند متغیر اقلیمی در گذشته به قوانین و مدلهایی دست یابند تا وضعیت آن را درآینده پیش بینی کنند، یکی از روش های مذکور شبکه های عصبی مصنوعی است که امروزه به طور وسیع در زمینه مدل سازی و پیش بینی پارامترهای اقلیمی مورد استفاده قرار می گیرد. لذا هدف این پژوهش مدل سازی پیش بینی بارش پائیزه پیرانشهر با استفاده از شبکه های عصبی است. بدین منظور از متغیرهای میانگین ماهانه حداقل و حداکثر رطوبت نسبی، حداقل دما، فشار سطح ایستگاه و مجموع بارش طی دوره آماری 27 ساله از (1391-1365) جهت پیش بینی بارش ماهانه، سالهای 1389 تا 1390 و مقایسه آن با داده های واقعی استفاده گردید. جهت این کار از نرم افزار Matlab بهره گرفته شد. سپس به بررسی شاخص های عملکرد شبکه از جمله ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، درصد نسبی خطا و ضریب همبستگی پرداخته شد. نتایج به دست آمده ضمن تأئید توانایی شبکه های عصبی مصنوعی نشان داد که حداکثر خطای این مدل با داده های واقعی در ایستگاه های پیرانشهر، 3/45 میلیمتر می باشد که توانایی قابل توجه این مدل را در مدل سازی پیش بینی بارش نشان می دهد.

کلیدواژه ها

بارش، پائیز، پیش بینی، پیرانشهر، شبکه های عصبی

مقالات 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.