پیش بینی خشکسالی کوتاه مدت با استفاده از تبدیل موجک و شبکه های عصبی مصنوعی
- سال انتشار: 1396
- محل انتشار: دومین کنفرانس ملی هیدرولوژی ایران
- کد COI اختصاصی: WRRC02_220
- زبان مقاله: فارسی
- تعداد مشاهده: 982
نویسندگان
دانشجو دکتری مهندسی سازه های آبی، دانشگاه بوعلی سینا همدان، معاون طرح و توسعه شرکت آب منطقه ای قزوین
دانشجو دکتری مهندسی منابع آب، دانشگاه بوعلی سینا همدان، کارشناس فنی معاونت طرح و توسعه شرکت آب منطقه ای قزوین
کارشناس فنی معاونت طرح و توسعه شرکت آب منطقه ای قزوین
چکیده
تبدیل موجک یکی از روش های نوین و بسیار موثر در زمینه آنالیز سیگنال ها و سری های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده های حاصل به عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی جهت پیشبینی خشکسالی ارایه می-گردد. در این تحقیق، از شبکه های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه ای شعاعی (RBF) و همچنین شبکه های عصبی مصنوعی- موجک پرسپترون چند لایه (WA-MLP) و تابع پایه ای شعاعی( WA- RBF )برای پیش بینی استفاده شده است. در این خصوص، از داده های بارندگی ایستگاه کبریت میان با دوره آماری 44 ساله در حوضه آبخیز شور استفاده شد. وضعیت رطوبتی با استفاده از شاخص بارندگی استاندارد شده (SPI) در دوره زمانی کوتاه مدت 3 ماهه محاسبه گردید. برای تخمین مقدار SPI در هر بازه زمانی، از مقادیر مربوطه آن در زمان های ماقبل استفاده شد. نتایج نشان داد که مدل WA-MLP با دقت بالاتری مقادیر SPI و وضعیت خشکسالی کوتاه مدت را پیشبینی میکند.کلیدواژه ها
خشکسالی، پیشبینی، شبکه عصبی مصنوعی- موجک، SPIمقالات مرتبط جدید
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.