پیشبینی بلند مدت بارش با استفاده از مدل شبکه عصبی مصنوعی مطالعه موردی: راور
محل انتشار: کنفرانس بین المللی توسعه پایدار، راهکارها و چالش ها با محوریت کشاورزی، منابع طبیعی، محیط زیست و گردشگری
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 662
فایل این مقاله در 7 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:
ICSDA01_1034
تاریخ نمایه سازی: 16 خرداد 1394
چکیده مقاله:
بارش از عناصر اساسی شکل گیری اقلیم است و تغییرات آن میتواند ساختار آب و هوایی هر منطقهای را دگرگون سازد. پدیده تغییر اقلیم از طریق تغییر در الگوی بارش بر رژیم هیدرولوژیکی نواحی مختلف تأثیرگذار میباشد. در این پژوهش اثر تغییر اقلیم بر میزان بارش ایستگاه باران سنجی راور، با استفاده از خروجیهای مدل HadCM3 تحت سناریوی A2 و از طریق مدل ریزمقیاسکننده شبکه عصبی مصنوعی برای سه دوره 2039-2010و2069-2040و2099-2070 میلادی پیشبینی شد. شبکه مورد استفاده از نوع پرسپترون چند لایه (MLP) و الگوریتم یادگیری لونبرگ مارکوات میباشد. نتایج تحقیق نشان داد که استفاده از شبکه عصبی مصنوعی با دو لایه پنهان مدل نسبتاً بهتری را ارائه میکند و بیشترین کاهش در میزان بارش در ماه مارس و بیشترین افزایش در بارش در ماه دسامبر رخ خواهد داد. همچنین میزان بارش سالانه تا سال 2099 8/61 میلیمتر یا 11/68درصد نسبت به دوره پایه کاهش خواهد داشت.
کلیدواژه ها:
نویسندگان
مریم رضائی
دانش آموخته کارشناسی ارشد، گروه مرتع و آبخیزداری دانشگاه زابل
محمد نهتانی
استادیار گروه مرتع و آبخیزداری دانشگاه زابل
علیرضا مقدم نیا
دانشیار گروه احیای مناطق خشک و کوهستانی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
علیجان آبکار
دکتری آبخیزداری مرکز تحقیقات کشاورزی و منابع طبیعی استان کرمان
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 :