ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

بررسی کاربرد مدل‌های شبکه عصبی مصنوعی در شبیه‌سازی و پیش‌بینی خشکسالی

سال انتشار: 1388
کد COI مقاله: NSDEM02_061
زبان مقاله: فارسیمشاهده این مقاله: 1,445
فایل این مقاله در 7 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 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی کاربرد مدل‌های شبکه عصبی مصنوعی در شبیه‌سازی و پیش‌بینی خشکسالی

حمیده افخمی - دانشجوی کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه یزد
محمد تقی دستورانی - استادیار دانشکده منابع طبیعی، دانشگاه یزد
حسین ملکی نژاد - استادیار دانشکده منابع طبیعی، دانشگاه یزد
محمدحسین مبین - استادیار دانشکده منابع طبیعی، دانشگاه یزد

چکیده مقاله:

خشکسالی یکی از بزرگ‌ترین بلاهای طبیعی محسوب می‌شود که تاثیر آن بر جوامع بشری بیشتر از سایر بلاهای طبیعی می‌باشد. در این مقاله به بررسی کاربرد مدل‌های مختلف شبکه عصبی در پیش‌بینی خشکسالی در ایستگاه یزد پرداخته شده است. ورودی‌های مورد استفاده در مدل شامل بارش ماهیانه و برخی پارامترهای هواشناسی بوده و بر همین اساس میزان بارش در یکسال آینده پیش‌بینی شده است. بر اساس بررسیهای انجام شده ساختارهای دینامیک شبکه عصبی شامل در دو شبکه برگشتی (Recurrent network=RN) و برگشتی با تاخیر زمانی (Iag recurrent network=TLRN Time) در این زمینه کارایی بهتری را نشان دادند. در نهایت شبکه TLRN جهت پیش‌بینی میانگین متحرک سه‌ساله بارش در یکسال آینده و به تبع آن وضعیت خشکسالی به عنوان مناسب‌ترین مدل تشخیص داده شد.

کلیدواژه ها:

پیش‌بینی خشکسالی، شبکه عصبی مصنوعی، مدل‌سازی، ایستگاه هواشناسی یزد

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NSDEM02_061 میباشد و 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/67349/

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:
افخمی، حمیده و دستورانی، محمد تقی و ملکی نژاد، حسین و مبین، محمدحسین،1388،بررسی کاربرد مدل‌های شبکه عصبی مصنوعی در شبیه‌سازی و پیش‌بینی خشکسالی،دومین همایش ملی اثرات خشکسالی و راهکارهای مدیریت آن،اصفهان،https://civilica.com/doc/67349

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: (1388، افخمی، حمیده؛ محمد تقی دستورانی و حسین ملکی نژاد و محمدحسین مبین)
برای بار دوم به بعد: (1388، افخمی؛ دستورانی و ملکی نژاد و مبین)
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 مقاله لینک شده اند :

  • ارزیابی کارایی هوش مصنوعی کامپیوتر در تخمین داده های مفقود شده هیدرولوژی [مقاله کنفرانسی]
  • Hsu, K.L. , Gubta, H.V. , Sorooshian, S 0. 1995. ...
  • Minns , A.W.and M.J.Hall. 1996. Artificial Nrural Network as rainfall ...
  • Mishra, A.K.and Desai, V .R(2006) _ _ Drought forecasting using ...
  • Mishra. at.al, (2007) _ "Drought forecasting using a hybrid stochastic ...
  • Morid, et.al, (2007), "Drought forecasting using artificial neural networks and ...
  • 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 دولتی
    تعداد مقالات: 13,017
    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