پیش بینی بلندمدت بارش با استفاده از سیگنال های هواشناسی : کاربرد شبکه های عصبی مصنوعی
- سال انتشار: 1385
- محل انتشار: هفتمین کنگره بین المللی مهندسی عمران
- کد COI اختصاصی: ICCE07_033
- زبان مقاله: فارسی
- تعداد مشاهده: 5456
نویسندگان
استاد، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر،تهر
دانشجوی کارشناسی ارشد آب،دانشگاه صنعتی امیرکبیر،تهران
کارشناس ارشد سازه های هیدرولیکی دانشگاه صنعتی امیرکبیر،تهران
چکیده
در این مقاله مدل هایی بر مبنای شبکه های عصبی مصنوعی به منظور پیش بینی بلند مدت بارش حوزه های غربی ایران با در نظر گرفتن اثر سینگال برزگ مقیاس اقلیمی به عنوان پیش بینی کننده های بارش (predictors ) ارائه می گردد. سینگال های اقلیمی مورد استفاده عبارت از فشارو دمای سطح دریا، اختلاف فشار سطح دریا و ارتفاع معادل سطح 500 هکتوپاسکال در نقاط شاخص می باشند. این نقاط شاخص مکان هایی در دریاهای مدیترانه و سیاه، گرین لند و آزور را در برمی گیرند. متوسط شش ماهه ژوئن تا نوامبر سیگنال های فوق الذکر به عنوان ورودی مدل های شبکه های عصبی در نظر گرفته شده ومتوسط بارش ماه های ژانویه تا ژوئن سال بعد نیز،که درصد قابل ملاحظه ای از بارش سالانه خواهد بود، خروجی این مدل ها را تشکیل می دهد. برای مدلسازی سیستم از شبکه های عصبی تاخیر زمانی با الگوریتم یادگیری تطبیقی استفاده می گردد. به منظور مقایسه، مدل آماریARMAX نیزبرای پیش بینی بارش منطقه به کار گرفته می شود. نتایج بدست آمده حاکی از کارآیی مناسب و دقت قابل قبول شبکه های عصبی مصنوعی درپیش بینی بلندمدت بارش است .ازنتایج این روش می توان جهت تخمین وضعیت بارش سال آینده و به تبع آن در برنامه ریزی و مدیریت بهینه ی منابع آب استفاده نمود.کلیدواژه ها
پیش بینی بلندمدت بارش ، سیگنال های بزرگ مقیاس اقلیمی ، شبکه های عصبی مصنوعیاطلاعات 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.