پیش بینی خشکسالی با استفاده از شبکه عصبی (منطقه مطالعاتی : استان خراسان شمالی شهرستان بجنورد)

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 843

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCGTSD01_797

تاریخ نمایه سازی: 16 خرداد 1394

چکیده مقاله:

از دیر باز یکی از بزرگترین دغدغه های محققین و پژوهشگران، علم پیش بینی بوده است که بی تردید یکی از جدیدترین و پرکاربردترین روش های پیش بینی در سال های اخیر، استفاده از شبکه های عصبی مصنوعی می باشد.از ابتدای دهد 90 میلادیشبکه های عصبی علاوه بر استفاده در علوم مختلف چون هوافضا، حمل و نقل، الکترونیک و ... توانسته نقش بسیار برجسته ای درتقریب توابع پیجیده و پیش بینی انواع الگوهای موجود در حوزه هواشناسی را داشته باشد. در این مقاله با استفاده از روش هایمستقل از مدل های دینامیکی مانند روش شبکه عصبی مصنوعی (ANN) به پیش بینی خشکسالی خواهیم پرداخت که پس ازبررسی تاریخچه فعالیت های مرتبط و نیز آشنایی مختصر با عملکرد شبکه های عصبی مصنوعی، به طراحی شبکه و بررسی نتایجمی پردازیم. ورودی مدل شبکه عصبی آمار اقلیمی شامل دما، رطوبت و بارش ایستگاه هواشناسی بجنورد از سال 1356 تا 1391 رامورد استفاده قرار داده و شاخص خشکسالی SPI به عنوان خروجی مدل در نظر می گیریم. 85% داده ها در مرحله آموزش و 15%داده ها در مرحله آزمایش مورد استفاده قرار می دهیم. پس از تشکیل مدل، آموزش و تست داده ها، شبکه بهترین خروجی را بایک لایه پنهان و 8 نرون در آن لایه به منظور پیش بینی مورد استفاده داد. خروجی نشان داد مقادیر پیش بینی شده SPI توسطشبکه عصبی به مقادیر واقعی نزدیک می باشند.

نویسندگان

مریم مختارزاد

دانشجوی کارشناسی ارشد موسسه آموزش عالی غیاث الدین جمشیدکاشانی

فرزاد اسکندری

دانشیار دانشگاه علامه طباطبائی

زینب عرب اسدی

عضو هیئت علمی دانشگاه بجنورد

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 :
  • اعلمی، محمد تقی، حسین یوسف زاده _ مهدی کماسی (1388), ... [مقاله کنفرانسی]
  • افخمی، حمیده و همکاران (1389) , «بررسی تاثیر عناصر اقلیمی ...
  • استفاده از مدل فازی- عصبی و الگوهای ارتباط از دور جهت پیش‌بینی خشکسالی، مطالعه موردی زاهدان [مقاله کنفرانسی]
  • خسروی، محمود و همکاران(1391) « پیش بینی خشک سالی با ...
  • خوشحال دستجردی _ حسینی (1389)، کاربرد شبکه ک عصبی مصنوعی ...
  • سلاجقه، علی و همکاران (1387)، « مقایسه ی شبکه ی ...
  • عیوضی، معصومه و همکاران (1388), « مقایسه ی روش های ...
  • صداقت کردار و فتاحی(1387), « شاخص های پیش آگاهی خشک ...
  • خانجانی حسین (1386) « معرفی شبکه های عصبی مصنوعی» online ...
  • ذوالقدری، حامد (1386) « مروری بر شبکه های عصبی مصنوعی ...
  • کیه مصطفی (1387)، کاربرد شبکه عصبی در متلب، انتشارات کیان ...
  • S. a. P. Barua, B. J. C, A. W. M. ...
  • O. Juan Camilo, (2008)« Prospecting droughts with stochastic artificial neural ...
  • H. d. D. Aksoy, Ahmad (2009) «Artificial neural network models ...
  • D. M. G. Cutore P, Cancelliere A (2009)« Forecasting Palmer ...
  • A. Farokhnia, Morid S .and Byun, H.R. (2011) «Application of ...
  • D. V. R. Mishra A.K Singh P. (2006) «Drought forecasting ...
  • V. Nourani, Alami, MT., and Aminfbr, M.H. (2009) «A combined ...
  • G. B. L. d. S. a. B. S. M. Celso ...
  • O. E. Sedki A D, Mazoudi El (2008) «Evolving neural ...
  • J. A. Suk shin Hyun, salas D, Member ASCE(2000x Regional ...
  • Bauer, P., S. Nouak, R. Winkler.(2007), Fuzzy logic. Jourmal of: ...
  • نمایش کامل مراجع