ارزیابی توانایی مدل های هوشمند در پیش بینی بارندگی ماهانه به کمک الگوهایپیوند از دور (مطالعه موردی استان خراسان رضوی)

سال انتشار: 1394
محل انتشار: فصلنامه آب و خاک، دوره: 29، شماره: 2
کد COI اختصاصی: JR_JSW-29-2_003
زبان مقاله: فارسی
تعداد مشاهده: 444

نویسندگان

دانشجوی دکتری آبیاری و زهکشی گروه مهندسی آب، دانشکدهکشاورزی، دانشگاه فردوسی مشهد

دانشیار گروه مهندسی آب، دانشکدهکشاورزی، دانشگاه فردوسی مشهد

چکیده

الگوهای پیوند دور از جمله عوامل موثر بر میزان بارش می باشند، در این تحقیق توانایی مدل های هوشمند در پیش بینی بارندگی ماهانه به کمک داده های پیوند از دور در هشت ایستگاه سینوپتیک استان خراسان رضوی برای سال های 1991 تا 2010 مورد بررسی قرار گرفت . مدل های هوشمند مورد بررسی عبارتند از مدل شبکه عصبی مصنوعی، مدل استنتاج فازی و مدل نروفازی. معیارهای آماری برای مقایسه نتایج مدل ها شامل ضریب همبستگی، میانگین خطای اریبی، میانگین مربعات خطا و معیارهای ترکیبی جاکووی دز و صباغ م یباشد. پس از یافتن بهترین ساختار برای مدل های هوشمند و مقایسه آن ها، مشخص گردید مدل نروفازی بهترین نتایج را دارا می باشد. معیار های آماری برای پی شبینی بارش به روش نروفازی به ترتیب در یک ماهه آینده برابر 0/8، 0/55-، 0/43، 0/7، 0/91 در یک ماهه آینده برابر 0/79، 1/32-، 0/48، 1/56، 0/4 و برای سه ماهه آینده برابر 0/73، 1/37-، 0/54، 1/47، 0/36 به دست آمد. نتایج مدل های هوشمند برای ایستگاهی که داده های آن در بخش آموزش بکار برده نشده بود حاکی از این است که مدل ها برای منطقه جغرافیایی آموزش دیده توانایی پیش بینی بارش را دارند. بررسی دقت مدل نروفازی در هر یک از کلاس های شاخص بارندگی استاندارد نشان داد که این مدل در برآورد مقادیر بارش در کلاس های تر سالی بسیار شدید و تر سالی شدید کم برآورد داشته است . در نهایت نتایج این تحقیق نشان داد که مدل های هوشمند مخصوصا مدل نروفازی ابزار مناسبی برای پیش بینی بارندگی می باشند، اما از این مدل ها در کلاس های تر سالی بسیار شدید و تر سالی شدید با تامل بیشتری باید استفاده نمود.

کلیدواژه ها

پیش بینی بارندگی، الگوهای پیوند از دور، سیستم استنتاج فازی، شبکه عصبی مصنوعی، شبکه نروفازی

مقالات 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.