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

ارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی روند بیابان زایی با استفاده از سیستم اطلاعات جغرافیایی GIS (مطالعه موردی: دشت دهلران، ایلام)

سال انتشار: 1395
کد COI مقاله: JR_GIRS-7-3_005
زبان مقاله: فارسیمشاهده این مقاله: 191
فایل این مقاله در 17 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 17 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی روند بیابان زایی با استفاده از سیستم اطلاعات جغرافیایی GIS (مطالعه موردی: دشت دهلران، ایلام)

ثریا یعقوبی - دانش آموخته کارشناسی ارشد مرتع و آبخیزداری، دانشگاه ایلام
مرزبان فرامرزی - استادیار دانشکده کشاورزی، دانشگاه ایلام
حاجی کریمی - دانشیار دانشکده کشاورزی، دانشگاه ایلام
جواد سروریان - استادیار دانشکده کشاورزی، دانشگاه ایلام

چکیده مقاله:

یکی از مشکلات اصلی مناطق خشک و نیمه خشک حاکمیت پدیده بیابان­زایی است. بنابراین، شناخت و پیش بینی عوامل موثر در پیشرفت پدیده بیابان زایی می تواند در مدیریت بهتر این مناطق موثر واقع شود. هدف از این تحقیق ارزیابی صحت مدل شبکه عصبی مصنوعی در پیش بینی روند بیابان زایی و انتخاب موثرترین معیار بیابان زایی در دشت دهلران با استفاده از مدل ایرانی ارزیابی وضعیت بیابان زایی (IMDPA) است. در این روش دو معیار آب و اقلیم به عنوان عوامل موثر در بیابان زایی انتخاب شدند. برای معیار اقلیم سه شاخص بارش سالانه، شاخص SPI و تداوم خشک سالی و برای معیار آب پنج شاخص افت آب، نسبت جذب سدیم، کلر، هدایت الکتریکی و کل مواد محلول در آب ارزیابی شد. با استفاده از مدل مذکور هر شاخص امتیازدهی شد. سپس با میانگین هندسی نقشه های معیار و شدت بیابان زایی در نرم افزار ArcGIS®93 برای دوره مورد نظر تهیه شد. در نهایت داده ها به شبکه عصبی مصنوعی جهت پیش بینی وارد شدند. نتایج نشان دهنده کارایی بالای مدل های شبکه عصبی مصنوعی در پیش بینی روند بیابان زایی بود به گونه ای که دقت شبکه بالای 80 درصد و میانگین مربعات خطا کمتر از یک بدست آمد. همین طور بر اساس نتایج بدست آمده برای دوره پیش بینی شده مهم ترین معیارهای احتمالی تاثیرگذار بر شدت بیابان زایی منطقه به ترتیب معیارهای اقلیم و آب با متوسط وزنی 2 (متوسط زیر کلاس 1، 2 و 3)، 84/1 (متوسط زیر کلاس 1 و 2) رتبه بندی گردیدند.

کلیدواژه ها:

شبکه عصبی مصنوعی ، مدل ایرانی ارزیابی پتانسیل بیابان زایی ، سیستم اطلاعات جغرافیایی ، دشت دهلران

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_GIRS-7-3_005 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/871756/

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:
یعقوبی، ثریا و فرامرزی، مرزبان و کریمی، حاجی و سروریان، جواد،1395،ارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی روند بیابان زایی با استفاده از سیستم اطلاعات جغرافیایی GIS (مطالعه موردی: دشت دهلران، ایلام)،https://civilica.com/doc/871756

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: (1395، یعقوبی، ثریا؛ مرزبان فرامرزی و حاجی کریمی و جواد سروریان)
برای بار دوم به بعد: (1395، یعقوبی؛ فرامرزی و کریمی و سروریان)
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 :

  • افخمی، ح.، م. ت. دستورانی، ح. ملکی­نژاد و م. مبین. ...
  • اکبری، م.، ا. رعنایی و س. ح. بدیعی نامقی. 1390. ...
  • بخشنده­مهر، ل.، س. سلطانی و ع. سپهر. 1392. ارزیابی وضعیت ...
  • پیش بینی اقلیمی پارامترهای هواشناسی با استفاده از شبکه های عصبی - فازی بر اساس آموزش پارامترهای بخش تالی [مقاله کنفرانسی]
  • خنامانی، ع.، ح. کریم­زاده، ر. جعفری و ا. گلشاهی. 1392. ...
  • خوشحال دستجردی، ج. و س. حسینی. 1389. کاربرد شبکه عصبی ...
  • زهتابیان، غ. ر.، ح. احمدی، م. اختصاصی و ح. خسروی. ...
  • سیلاخوری، ا.، م. اونق و ا. سعدالدین. 1392. ارزیابی خطر ...
  • شادمانی، م.، ص. عروفی، ک. محمدی و ع. سبزی­پرور. 1390. ... [مقاله ژورنالی]
  • طباطبایی­فر، س. م.، غ. زهتابیان، م. رحیمی، ح. خسروی و ...
  • عباسی، ا. پ.، ح. امانی و م. زارعیان. 1393. ارزیابی ...
  • عظیمی، ع.، ک. رنگزن، م. کابلی­زاده و م. خرمیان. 1394. ...
  • قلی­زاده، م. ح. و م. دارند. 1389. پیش­بینی بارش ماهانه ...
  • کارتالوپولوس، ا. 1390. منطق فازی و شبکه­های عصبی (مفاهیم و ...
  • کریمی، ک. 1393. بررسی روند و پیش­بینی بیابان­زایی دشت عباس ...
  • محمدی، ع. 1393. بررسی روند و پیش­بینی بیابان زایی دشت ...
  • ملکیان، آ.، م. ده بزرگی، ا. ه. احسانی و ا. ...
  • ملکی­نژاد، ح. و ر. پورشرعیاتی. 1392. کاربرد و مقایسه مدل ...
  • منهاج، م. ب. 1393.  هوش محاسباتی (جلد اول ) مبانی ...
  • نیازی، ی.، م. ر. اختصاصی، ح. ملکی­نژاد، س. ز. حسینی ...
  • نیک­منش، م. ر. و غ. ر. رخشنده­رو. 1390. ارزیابی توانایی ...
  • Chung YW. 2008. Prediction water table fluctuationusing artifical neural network. ...
  • Daliakopoulos IN, Coulibaly P, Tsanis IK. 2005. Groundwater level forecasting ...
  • Deo M, Thirumalaiah K. 2000. Real time forecasting using neural ...
  • Maithani S, Jain RK, Arora MK. 2009. An Artificial Neural ...
  • Nourani V, Ejlali RG, Alami MT. 2011. Spatiotemporal groundwater level ...
  • Nourani V, Mogaddam AA, Nadiri AO. 2008. An ANN‐based model ...
  • Saravi M, Keshavarzi A, Azareh A. 2013. Modeling of SAR ...
  • Trafalis TB, Richman MB, White A, Santosa B. 2002. Data ...
  • 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: 4,008
    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.

    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