ارزیابی و مقایسه نمایه های خشکسالی و پیش بینی آن با شاخصSPI به روش مدلسازی دو متغییره با شبکه عصبی- مصنوعی

  • سال انتشار: 1388
  • محل انتشار: هشتمین سمینار بین المللی مهندسی رودخانه
  • کد COI اختصاصی: IREC08_123
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1397
دانلود فایل این مقاله

نویسندگان

محمدتقی اعلمی

استادیار دانشکده مهندسی عمران دانشگاه تبریز

یوسف حسن زاده

استاد دانشکده مهندسی عمران دانشگاه تبریز

مهدی کماسی

دانشجوی دکتری دانشکده مهندسی عمران دانشگاه تبریز

چکیده

خشکسالی نتیجه اندرکنش بین محیط زیست و چرخه آب در طبیعت است که تهدیدی مخاطره آمیز برای جانداران و گونه های زیستی می باشد . نتیجه این کهی افتن شاخص های اندازه گیری خشکسالی برای پیش بینی و ارزیابی مکانی و زمانی این پدیده به منظور آمادگی جامعه در مدیریت بحران این پدیده ضرروی به نظر می رسد . در این مقاله ابتدا به بیان مفهوم خشکسالی و نمایه های اندازه گیری آن پرداخته و سپس از مبانی شبکه های عصبی - مصنوعی برای پیش بینی خشکسالی با استفاده از شاخص SPI استفاده شده است . نتایجی حاکی از آن است که این نمایه قابلیت بیشتری نسبت به شاخص هایی چون پالمر PDSI پالفی PAI و دیگر نمایه ها دارد.

کلیدواژه ها

خشکسالی، شاخص SPI، شبکه های عصبی - مصنوعی، لیقوان چای

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.