Publisher of Iranian Journals and Conference Proceedings

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

کاربرد مدل شبکه عصبی موجک در تخمین شاخص بارش استاندارد

سال انتشار: 1396
کد COI مقاله: JR_WATER-7-4_007
زبان مقاله: فارسیمشاهده این مقاله: 204
فایل این مقاله در 16 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 16 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله کاربرد مدل شبکه عصبی موجک در تخمین شاخص بارش استاندارد

حمیدرضا باباعلی - گروه مهندسی عمران، دانشگاه آزاد خرم آباد، خرم آباد، ایران.
رضا دهقانی - مهندسی منابع آب- دانشگاه تبریز

چکیده مقاله:

خشکسالی یکی از پدیده های آب و هوایی است که در همه شرایط اقلیمی و در همه مناطق کره زمین به وقوع می پیوندد. پیش بینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم های منابع آب، تعیین نیاز آبی گیاه ایفا می نماید. بدین منظور در این پژوهش از داده های 4 ایستگاه باران سنجی نورآباد، بروجرد، الشتر و دورود واقع در استان لرستان، به بررسی خشکسالی با استفاده از شاخص بارش استاندارد SPI در مقیاس های زمانی 6 و 12 ماهه پرداخته شد. سپس، خشکسالی ها با مدل شبکه عصبی موجک ارزیابی گردید. نتایج این پژوهش نشان داد ایستگاه های بروجرد و دورود دارای طولانی ترین خشکسالی و ایستگاه نورآباد شدیدترین خشکسالی را دارا می باشد. همچنین نتایج حاصل از بررسی تعداد ماه های خشکسالی نشان داد  بیشترین ماههای خشکسالی در ایستگاه بروجرد رخ داده است. نتایج تخمین خشکسالی ها با مدل شبکه عصبی موجک نشان داد این مدل در برآورد شاخص خشکسالی ایستگاه دورود نسبت به سایر ایستگاه ها نتایج مطلوبی در هر دو مقیاس زمانی ارائه می نماید درمجموع نتایج نشان داد مدل شبکه عصبی موجک جهت تخمین خشکسالی در مقیاس زمانی طولانی مدت دقت بیشتری از خود نشان داده و استفاده از مدل شبکه عصبی موجک می تواند درزمینهٔ تخمین خشکسالی موثر باشد که در نوبه خود برای تسهیل توسعه و پیاده سازی استراتژی های مدیریتی جهت جلوگیری از ایجاد خشکسالی ها مفید است.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_WATER-7-4_007 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/888582/

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:
باباعلی، حمیدرضا و دهقانی، رضا،1396،کاربرد مدل شبکه عصبی موجک در تخمین شاخص بارش استاندارد،https://civilica.com/doc/888582

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: (1396، باباعلی، حمیدرضا؛ رضا دهقانی)
برای بار دوم به بعد: (1396، باباعلی؛ دهقانی)
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 :

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 آزاد
تعداد مقالات: 3,063
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