مدل برآورد مکانی بارش در زاگرس میانی با استفاده از شبکه های عصبی مصنوعی (ANN)
- سال انتشار: 1393
- محل انتشار: اولین همایش علوم جغرافیایی ایران 1393
- کد COI اختصاصی: ICGS01_016
- زبان مقاله: فارسی
- تعداد مشاهده: 547
نویسندگان
دانشجوی دکتری اقلیم شناسی دانشگاه تبریز
کارشناس ارشد اقلیم شناسی دانشگاه تهران
دانشجوی دکتری اقلیم شناسی دانشگاه تبریز
چکیده
از مهمترین مسائل مربوط به مناطق کوهستانی تحلیل رابطه بارش و ارتفاع و همچنین ارائه یک مدل مطلوب است که بتواند به بهترین شکل تغییرات بارش را تخمین زده و بتواند میزان بارش در مناطق فاقد بارش را به بهرتین نحو تخمین بزند. در این مطالعه سعی شده است از طریق شبکه های عصبی مصنوعی و ارائه بهترین ساختار شبکه به براورد مکانی بارش در منطقه زاگرس میانی پرداخته شود. به این منظور در ابتدا کلیه داده های در دست رس مربوط به بارندگی (اعم از باران سنجی، همدید، و کلیماتولوژی) در دوره آماری 1995-2007 جمع آوری گردید. علاوه بر متغیر بارش که به عنوان متغیر هدف به شبکه معرفی گردید متغیرهای طول و عرض جغرافیایی ، ارتفاع، میزان شیب، فاصله از نقطه ارتفاعی 2300 متر و بیشتر، فاصله از خط الراس، فاصله از خلیح فارس و فاصله از دریای مدیترانه که دارای همبستگی معنی دار با میزان بارش در زاگرس میانی بوده اند به عنوان ورودی های شبکه برای برآورد مکانی بارش به شبکه معرفی گردیدند. آماره های میانگین قدر مطلق خطا (MAE)، مجذور میانگین مربعات خطا (RMSE) و ضریب تعیین (R^2) به منظور ارزیابی عملکرد شبکه استفاده شد نتایج نشان می دهد که شبکه های عصبی مصنوعی پرسپترون چند لایه با الگوریتم پس انتشار دارای بهترین عملکرد در برآورد مکانی بارش در زاگرس میانی است. همچنین آرایش 1-12-3 با فانون آموزش مارکوات لونبرگ و تابع محرک سیگموئید به ترتیب با مقادیر MAE، RMSE و 0/09R^2 ، و 0/076 و 0/79 دارای بهترین عملکرد در آرایش های پیشنهادی در این مطالعه می باشد. بطور کلی مقایسه عملکرد شبکه عصبی مصنوعی با داده های واقعی بارش نشان می دهد که دقت شبکه عصبی مصنوعی در حد قابل قبولی است. همچنین مشخص گردید که تعداد نرون ها در لایه میانی از قانون خاصی تبعیت نکرده و شبکه های عصبی مصنوعی نسبت به ورودی های مدل حساس بوده و در صورت ورود متغیرهای بی معنی ، تناسب عملکرد شبکه کاهش پیدا می کند.کلیدواژه ها
شبکه عصبی مصنوعی، براورد مکانی بارش، متغیرهای توپوگرافی، متغیرهای جغرافیایی، زاگرس میانیمقالات مرتبط جدید
- تحلیل تاب آوری مسکن (کالبدی)- زیرساختی بافت های ناکارآمد شهری تهران
- مکان یابی ساختمان های بلند با تاکید بر منظر شهری نمونه موردی: محله گلشن در منطقه ۹ شهرداری مشهد
- بررسی تاثیر متغیر رضایت مندی بر وفاداری مشتری (مورد کاوی شرکت بهره برداری قطار شهری مشهد )
- بررسی آلودگی نوری کلانشهر مشهد
- ارزیابی مولفه های تاب آوری شهری در منطقه ۱۲ شهرداری کلانشهر مشهد در برابر مخاطرات طبیعی
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.