بررسی امکان استفاده از شبکه عصبی خود سازمانده در طبقه بندی ایستگاه های باران سنجی
محل انتشار: سومین همایش ملی مدیریت جامع منابع آب
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 547
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCUIMWR03_117
تاریخ نمایه سازی: 15 اسفند 1393
چکیده مقاله:
طبقه بندی متغیرهای هیدرولوژیک با اهداف گوناگون از جمله شناسایی مناطق همگن از اهمیت ویژه ای برخوردار می باشد. در این مطالعه شبکه عصبی خود سازمانده جهت طبقه بندی متغیر بارندگی در حوزه آبخیز دریای خزر مورد استفاده قرار گرفت. منطقه مورد مطالعه از آستارا در غرب استان گیلان شروع و به نکا در شرق استان مازندران ختم می شود. این منطقه دارای 24 ایستگاه باران سنجی با پراکنش خوب می باشد که طول آماری داده های بارندگی مورد استفاده برای ایستگاه ها 34 سال بوده که از سال آبی 46-1345 شروع و به سال آبی 79-1378 ختم می شود. براساس این رویکرد منطقه مورد مطالعه به سه ناحیه از نظر بارندگی تقسیم گردید. نتیجه بررسی نشان داد که این قابلیت شبکه عصبی خود سازمانده در طبقه بندی متغیرهای ورودی می تواند به عنوان ابزاری قدرتمند در تعیین مناطق همگن در حوزه های آبخیز و هم چنین در تعیین ورودی های مناسب به مدل های مورد استفاده مورد توجه قرار گیرد.
نویسندگان
امان محمد کلته
استادیار، گروه مرتع و آبخیزداری، دانشگاه گیلان، رشت، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :