تعیین بارندگی در سال های فاقد آماربا استفاده ازمدل شبکه عصبی
- سال انتشار: 1393
- محل انتشار: دومین همایش ملی بیابان با رویکرد مدیریت مناطق خشک و کویری
- کد COI اختصاصی: DESERT02_212
- زبان مقاله: فارسی
- تعداد مشاهده: 535
نویسندگان
دانشجوی کارشناسی ارشد آبخیزداری دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان
استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان
استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان
استادیار دانشکده منابع طبیعی و علوم زمین دانشگاه کاشان
چکیده
روش های مختلفی به منظور پیش بینی وضعیت بارش، وجود دارد. یکی از روش های مدل سازی رفتار بارش، شبکه های عصبی مصنوعی است که از مؤلفه های هوش مصنوعی محسوب می شود. در این گونه مدل ها بد ون در نظر گرفتن معادلات پیچیده غیرخطی، می توان دینامیک حاکم بر سیستم را استخراج نموده و از این طریق، خروجی های مدل را پیش بینی نمود. بنابراین با هدف ساده سازی پیش بینی بارش در این تحقیق، با استفاده از اطلاعات بارش سالانه 39 ایستگاه کامل در دوره آماری (1390-1375)سال شمسی در مدل سازی و سپس پیش بینی بارش سالانه 26 ایستگاه ناقص به کمک شبکه های عصبی مصنوعی صورت گرفته است. پس از بررسی معیار های آماری برازش، از جمله ضرایب روابط رگرسیونی بین مقادیر واقعی و پیش بینی شده بارش، ضریب همبستگی(R) محاسبه شد و نشان داده شد که پیش بینی سالانه بارش، با دقت قابل قبولی انجام شده است. چنان چه به طور مثال در بهترین مدل، میزان ضریب همبستگی 99/0 به دست آمده است.کلیدواژه ها
مدل، شبکه عصبی مصنوعی، ضریب همبستگی، بارشمقالات 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.