ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پایش و پیش بینی خشکسالی با شاخصSPIبه وسیله شبکه های عصبی مصنوعی(مطالعه موردی:دشت کرمان)

سال انتشار: 1392
کد COI مقاله: ABYARI12_356
زبان مقاله: فارسیمشاهد این مقاله: 232
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پایش و پیش بینی خشکسالی با شاخصSPIبه وسیله شبکه های عصبی مصنوعی(مطالعه موردی:دشت کرمان)

احسان مدنی اشکذری - دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشگاه آزاد اسلامی واحد کرمان
علی نشاط - استادیار،گروه مهندسی آب، دانثگاه آزاد اسلامی واحد کرمان
علی باقری زاده - دانشجوی سابق کارشناسی ارشد ،گروه مهندسی آب،دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
امیر مدنی اشکذری - دانشجوی کارشناسی ارشد، گروه بیوتکنولوژی، دانشگاه تحصیلات تکمیلی کرمان

چکیده مقاله:

خشک سالی یکی از پیچیده ترین بلایای طبیعی است که به طور اتفاقی و ناگهانی رخ نمی دهد و خساراتی را که می تواند در صورت رخداد در طی یک دوره زمانی وارد نماید غیرقابل جبران است. لذا پیش بینی خشک سالی به عنوان یکی از استراتژی های مقابله با این رخداد طبیعی و کاهش اثرات مخرب آن امری است که در سال های اخیر توجه کارشناسان علوم مختلف را به خود جلب نموده است. از این رو در این مطالعه با استفاده از داده های دما، رطوبت و بارندگی ماهیانه ی 50 ‏ساله ایستگاه سینوپتیک کرمان به پیش بینی شرایط دشت کرمان پرداخته شد. ابتدا با استفاده از نرم افزارEview6که مبتنی بر سری های زمانی می باشد با استفاده از داده های پنج ساله ی آخر منتهی به سال 90 ‏، دما و رطوبت برای مقطع زمانی سال 91 ‏پیش بینی شد، اطلامحات موجود 90 ‏ساله هواشناسی با آرایش ( 1 ‏- 5 ‏- 2 ‏) به شبکه عصبی معرفی شد یعنی دما و رطوبت به عنوان دو پارامتر لایه ورودی و بارندگی به محنوان یک پارامتر لایه خروجی مشخص شد. همچنین 5 ‏نرون لایه میانی با آزمون و خطا بدست آمد. این شبکه با روش مارکوت - لورنبرگ آموزش و داده ها با امحمال تابع تانژانت سیگموئید به شبکه معرفی شدند. بارندگی توسط این شبکه برای 4 ‏ماهه آخر سال 91 ‏پیش بینی شد. اعداد بدست آمده به نرم افزار DIP داده و شاخص SPI را برای زمان های 1 ‏، 3 ‏، 6 ‏، 9 ‏، 12 ‏، 18 ‏، 24 ‏، 48 ‏ماهه محاسبه گردید. بررسی داده های بدست آمده، شاخص خشک سالی را برای دوره های کوتاه مدت تقریبآ ترسالی کم و برای دوره های بلندمدت خشک سالی کم و متوسط را نشان داد. همچنین تداوم خشک سالی ها در یک دوره بلندمدت می تواند بر اقلیم منطقه تاثیر گذاشته و به بروز خشکی در منطقه بیانجامد.

کلیدواژه ها:

پیش بینی خشک سالی، شبکه های عصبی(ANN)، نرم افزار Eviews6، نرم افزار DIP

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/476169/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مدنی اشکذری، احسان و نشاط، علی و باقری زاده، علی و مدنی اشکذری، امیر،1392،پایش و پیش بینی خشکسالی با شاخصSPIبه وسیله شبکه های عصبی مصنوعی(مطالعه موردی:دشت کرمان)،دوازدهمین همایش سراسری آبیاری و کاهش تبخیر،کرمان،،،https://civilica.com/doc/476169

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، مدنی اشکذری، احسان؛ علی نشاط و علی باقری زاده و امیر مدنی اشکذری)
برای بار دوم به بعد: (1392، مدنی اشکذری؛ نشاط و باقری زاده و مدنی اشکذری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • آشگر طوسی، ش. و علیزاده، ا. 1384. "پایش و پیش‌بینی ...
  • افخمی، ح. دستورانی، م. ت.، ملکی نژاد، ح. و مبین. ...
  • خوشحال دستجردی، ج و حسینی، س. م. 1389. کاربرد شبکه ...
  • سلاجقه، ا. و دهقانی فیروزآبادی، ن. 1390. "بررسی تحلیل پدیده ...
  • سلاجقه، ع.، فتح آبادی، ا. و نجفی حاجی ور، م. ...
  • صفری شاد، م. و سلیمانی، ک. 1390. "مطالعه خشکسالی در ...
  • علیزاده، ا. و آشکر طوسی، ش. 1387. "توسعه یک مدل ...
  • پیش‌بینی خشکسالی هیدرولوژیکی با استفاده از شبکه‌های عصبی مصنوعی [مقاله کنفرانسی]
  • کرمان 5 و 6 شهریورماه 1392 ...
  • Bordi, I.S, Frigio, P, Parenti, A. Speranza and A. Sutera. ...
  • Hayes, M. et al., "Monitoring the 1996 Drought Using the ...
  • Mckee, T. B., Doesken, N. J. and Kleist, J. 1993. ...
  • Mishra, A.K., , Desai, V.R. 2006. "Drought forecasting using feed-forward ...
  • Morid, S. Smakhtinb, V. and Bagherzadehc, K. 2007. "Drought forecasting ...
  • Sharma, B. R. _ Smakhtin, V. U. 2004. Potential of ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 7,078
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی