پیش بینی بارش ماهانه در ایستگاه سینوپتیک سقز با استفاده از شبکه عصبی مصنوعی
- سال انتشار: 1393
- محل انتشار: همایش ملی آب، انسان و زمین
- کد COI اختصاصی: WHEC01_135
- زبان مقاله: فارسی
- تعداد مشاهده: 640
نویسندگان
دانشجوی کارشناسی ارشد دانشکده آب وخاک، دانشگاه زابل
استادیار دانشکده آب و خاک دانشگاه زابل
کارشاسی ارشد دانشکده آب و خاک دانشگاه زابل
چکیده
پدیده بارش یکی ازمهم ترین داده های وروی به سیستم های هیدرولوژیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعات رواناب، خشکسالی، آب های زیرزمینی ، سیلاب، رسوب ضروی است . در این مقاله سعی شده است بااستفاده از روش شبکه MLP عصبی مصنوعی وداده های 31 ساله ایستگاه سینوپتیک شهرستان سقز مدلی برای پیش بینی بارندگی ماهانه به ارائه گردد. مزیت این روش انعطاف پذیری بالای شبکه عصبی مصنوعی در مقابل توابع پیچیده و استفاده از ورودی هایی است که به راحتی در دسترس می باشند.نتایج بدست آمده نشان می دهد که این مدل قادر است میزان بارندگی را با دقت قبولی پیش بینی کند.درنهایت شبکه عصبی بهینه با یک لایه مخفی و 20 نرون با مدل MLP برای تخمین بارش ماهانه در ایستگاه سینوپتیک سقز ارائه شد.کلیدواژه ها
بارندگی ، شبکه های عصبی مصنوعی؛ پیش بینی ماهانهمقالات مرتبط جدید
- معرفی مدل نرم افزاری OOIS-V۲ برای استفاده در مدیریت بهره برداری و برآورد مقادیر توزیع وتحویل آب درسامانه های آبیاری
- مقایسه مدل های METRIC و SSEB در برآورد تبخیر - تعرق واقعی گندم در مزارع دانشکده کشاورزی دانشگاه شیراز
- تاثیر کم آبیاری و کود آلی بر عملکرد ذرت در استان هرمزگان
- توسعه کشت نشائی کلزا ابزاری کارآمد در ارتقاء بهره وری آب کشاورزی
- بررسی نیاز آبی محصولات عمده دشت سنندج با استفاده از مدل CROPWAT
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.