پیش بینی بارش با استفاده از شبکه های عصبی مصنوعی به منظور مدیریت سیل، مورد: شهرستان ایرانشهر
- سال انتشار: 1389
- محل انتشار: چهارمین کنگره بین المللی جغرافیدانان جهان اسلام
- کد COI اختصاصی: ICIWG04_090
- زبان مقاله: فارسی
- تعداد مشاهده: 2896
نویسندگان
دانشیار گروه جغرافیای طبیعی(اقلیم شناسی)،دانشکده جغرافیا و برنامه ری
دانشگاه سیستان و بلوجستان، دانشکده جغرافیا و برنامه ریزی محیطی ، زاهد
چکیده
در سالهای اخیر خسارتهای ناشی از سیل در بسیاری از مناطق جهان رشد صعودی داشته است که بارشهای غیر مترقبه به عنوان یک عامل تهدید کننده در احتمال وقوع سیل محسوب می شود. پیش بینی بارش در مدیریت و هشدار معضل سیل نقش مهمی بر عهده دارد. به منظور جلوگیری از خسارات ناشی از سیل و سعی در کنترل ومهار آن ضرورت ، اهمیت پیش بینی بارش امری اجتناب ناپذیر به نظر می رسد. زیرا با اطلاع از میزان بارندگی ، می توان امکان وقوع سیل را در منطقه پیش بینی و اقدامات لازم را به عمل آورد. در مناطق آسیب پذیر ، ایجاد یک ساختارهای دفاعی در برابر سیل مهم و جدی است و پیش بینی به موقع بارش نیز عاملی بوده که برای مقابله با سیل و اهداف مدیریتی آن از اهمیت بیشتری برخوردار است.با توجه به اینکه پیش بینی بارش تابع عوامل عوامل بسیاری از جمله فشار ، دما ، باد و ... می باشد ، و همچنین محدودیت هایی از قبیل نبود اطلاعات بارش در مقیاس های زمانی و مکانی مناسب ، استفاده از روش های معمول از پیچیدگی های زیادی برخوردار است. در این تحقیق، شبکه های عصبی مصنوعی به عنوان یک روش کارامد جهت پیش بینی بارندگی مورد استفاده قرار گرفته است و از نرم افزارMatlab-7 جهت پیش بینی و تجزیه تحلیل عوامل موثر در بارش منطقه کمک گرفته شد. ورودی مدل ANN آمار سیستم مونسون ، دما و فشار منطقه می باشد که این داده ها ، بازه زمانی (2007-1964) را در بر می گیرد. 80 درصد داده ها برای آموزش و 20 درصد باقیمانده جهت تست بکار رفته است. شبکه مورد استفاده از نوع پس انتشار feedforward با الگوریتم سیگموئد می باشد. و اطلاعات بارش ایستگاه شهرستان ایرانشهر در استان سیستان و بلوچستان به عنوان خروجی مدل ANN استفاده شده است.تحلیل نتایج خروجی مدل شبکه عصبی نشان داده که این مدل توانایی بهتر و دقت بالایی برای پیش بینی بارش نسبت به روش های آماری معمول داشته است و با افزایش فاکتورهای ورودی ، شبکه دقت بالاتری را در پیش بینی ارائه می دهد در صورتی که اگر شبکه ورودی کمتری داشته باشد خطای بیشتری را دارا می باشدکلیدواژه ها
ایرانشهر،شبکه عصبی مصنوعی،بارش،پیش بینی،سیلمقالات مرتبط جدید
- چالش ها و راهکارهای ارتقای پایداری مدیریت پسماند در شهرهای استان مازندران
- شورشدن خلیج گرگان پیامدهای تغییر اقلیم برای نماتودهای آزادزی
- تحلیل هیدرودینامیکی بر روند رسوبگذاری در بنادر جنوبی دریای کاسپین تحت تاثیر کاهش تراز سطح آب (مطالعه موردی بندر نوشهر)
- تحلیل پدیده گرد و غبار خوزستان با تاکید بر پیامدهای زیست محیطی و راهکارهای مدیریتی
- نقش بانکهای ژن بذر در حفظ تنوع زیستی و آینده کشاورزی
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.