پیش بینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی
- سال انتشار: 1391
- محل انتشار: مجله آب و فاضلاب، دوره: 23، شماره: 83
- کد COI اختصاصی: JR_WWJ-23-83_005
- زبان مقاله: فارسی
- تعداد مشاهده: 802
نویسندگان
استاد گروه مهندسی عمران- آب، دانشکده فنی مهندسی عمران، دانشگاه تبریز
دانشجوی دکترای مهندسی عمران- آب، دانشکده فنی مهندسی عمران، دانشگاه تبریز
دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
چکیده
خشکسالی به عنوان یکی از مهم ترین بلایای طبیعی است که ممکن است در هر رژیم آب و هوایی اتفاق بیفتد. از آنجا که وقوع خشکسالی اجتناب ناپذیر است، بنابراین شناخت آن به منظور مدیریت بهینه منابع آب، از اهمیت بسزایی برخوردار است. از مؤثرترین عوامل در تدوین طرحهای مقابله با خشکسالی و مدیریت آن، طراحی سیستم های پیش بینی خشکسالی است که بتوان اثرات مخرب ناشی از آن رابه حداقل رساند. به این منظور در این تحقیق برای پیش بینی خشکسالی های آتی، از تلفیق الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی در تحلیل شاخص بارندگی استاندارد شده، استفاده گردید و در نهایت نشان داده شد که به کارگیری روش تلفیقی مذکور در مقایسه با تلفیق الگوریتم ژنتیک و شبکه عصبی، نتایج مطلوبی را ارائه می دهد.کلیدواژه ها
پیش بینی خشکسالی، شاخص بارندگی استاندارد شده، الگوریتم ژنتیک، شبکه عصبی، موجکمقالات 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.