بررسی نوع و تعداد پارامترهای ورودی شبکه عصبی مصنوعی در دقت برآورد بارش (مطالعه موردی : شهر مشهد)
- سال انتشار: 1395
- محل انتشار: ششمین کنفرانس ملی مدیریت منابع آب ایران
- کد COI اختصاصی: WRM06_200
- زبان مقاله: فارسی
- تعداد مشاهده: 495
نویسندگان
دانشجوی کارشناسی ارشد منابع آب دانشگاه ملایر
استادیار مهندسی منابع آب دانشگاه ملایر
چکیده
بارش به عنوان مهمترین عنصر اقلیمی، همواره از پیچیدگی های خاصی برخوردار بوده است. اندازه گیری دقیق بارش کاربردهای بسیاری در تحقیقات اقلیمی، کشاورزی، خشکسالی، بلایای طبیعی و آب- شناسی دارد. در این مطالعه، به دلیل رفتار غیرخطی بارش، از شبکه های عصبی مصنوعی جهت پیش بینی آن بهره گرفته شد. بدین منظور داده های سالانهی ایستگاه سینوپتیک مشهد طی دوره 40 ساله (1970-2010) در قالب داده های هواشناسی بارشی و غیربارشی مد نظر قرار گرفت. نتایج اجرای شبکه عصبی مصنوعی با پارامترهای هواشناسی غیربارشی به عنوان ورودی، نشان داد که استفاده از شبکه های عصبی مصنوعی با 1 لایه پنهان و 8 نرون لایه میانی و قانون یادگیری لونبرگ-مارکوات و تابع محرک سیگموئید نسبت به سایر حالت ها و معماری شبکه، خطای کمتر (NRMSE=0/192) و همبستگی بیشتر (r=0/93) داشت. در مقابل با کاربرد داده های بارشی به عنوان ورودی شبکه عصبی مصنوعی خطا به (NRMSE=0/219) افزایش و همبستگی به (r=0/08) کاهش یافت. در نهایت معین شد،کاربرد داده های هواشناسی غیربارشی نسبت به داده های بارشی، منجر به برآورد بهتر بارش در منطقه مورد مطالعه می گردد.کلیدواژه ها
بارش سالانه، شبکه عصبی مصنوعی، سری زمانی، مشهدمقالات مرتبط جدید
- بررسی اثر کم آبیاری و زمان های کاربرد اسید سالیسیلیک بر شاخص های مورفولوژیک و عملکرد در جو (.Hordeum vulgar L)
- Optimizing Agricultural Profitability and EnvironmentalSustainability using Whale Optimization Algorithm in theMiyandoab Plain: An Integrated Hydrologic-Agronomic-Economic Model
- پیش بینی سری زمانی ورودی به سد با روش یادگیری عمیق(مطالعه موردی:سد جیرفت)
- قنات دهنو علی آباد،شهرستان ملایر کاندید ثبت در مرکز بین المللی قنات یونسکو
- تعیین حریم هیدرولیکی قنات با استفاده از سیستم اطلاعات جغرافیایی (مطالعه موردی:قنوات دشت همدان)
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.