پیش بینی بارش ماهانه در منطقه ایران با استفاده از ترکیب شبکه های عصبی مصنوعی و فیلتر کالمن توسعه یافته

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 372

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SEPEHR-28-110_006

تاریخ نمایه سازی: 16 مهر 1398

چکیده مقاله:

بارش باران یکی از مهم ترین پدیده های جوی است که بر زندگی بشر اثر می گذارد. پیش بینی بارش باران برای اهداف مختلفی مانند برنامه ریزی فعالیت های کشاورزی، پیش بینی سیلاب، پایش خشکسالی و تامین آب مصرفی از اهمیت بالایی برخوردار است. هدف این مقاله پیش بینی بارش ماهانه در ایران با استفاده از روش جدید ترکیب شبکه های عصبی مصنوعی و فیلتر کالمن توسعه یافته می باشد، که برای این هدف از داده های میانگین بارش ماهانه حدود 180 ایستگاه سینوپتیک ایران که در سراسر کشور پراکنده هستند، طی سال های 1951 تا 2016استفاده شده و به پیش بینی بارش ماهانه برای سال 2017 با استفاده از روش مقاله پرداخته شده است. در این مطالعه ایران شامل 8 پهنه اقلیمی است که به روش کوپن-گایگر تقسیم بندی شده است. از شبکه عصبی مصنوعی چندلایه با دو لایه مخفی که در هر لایه 10 نورون قرار گرفته است، برای پیش بینی در هر یک از پهنه های اقلیمی استفاده شد که برای آموزش این شبکه از فیلتر کالمن توسعه یافته استفاده گردید. اختلاف مقادیر بارش ماهانه اندازه گیری شده در سال 2017 و مقادیر حاصل از پیش بینی در تمام ایستگاه ها محاسبه گردید. جذر میانگین مربعات این اختلافات (RMSE) در حالت نرمال برای 8 پهنه اقلیمی در مراحل آزمون و پیش بینی محاسبه گردید که برای اقلیم بیابان خشک و بسیار گرم نسبت به اقلیم بیابان خشک و سرد کمتر است و برای اقلیم نیمه بیابانی خشک و سرد نسبت به اقلیم نیمه بیابانی خشک و بسیار گرم کمتر است و برای اقلیم معتدل با تابستان های خشک و بسیار گرم نسبت به اقلیم معتدل پرباران با تابستان های گرم کمتر است و برای اقلیم برفی با تابستان های خشک و بسیار گرم نسبت به اقلیم برفی با تابستان های خشک و گرم کمتر می باشد. در بیشتر موارد RMSE بدست آمده در اقلیم های بسیار گرم دارای مقدار کمتری است که نشان دهنده کارایی بهتر روش مقاله در پیش بینی بارش در این نوع اقلیم می باشد.

کلیدواژه ها:

پیش بینی بارش ، منطقه ایران ، شبکه عصبی مصنوعی ، فیلتر کالمن توسعه یافته

نویسندگان

مجتبی رحیمی نسب

دانشجوی کارشناسی ارشد ژئودزی، دانشکده مهندسی نقشه برداری، دانشگاه خواجه نصیرالدین طوسی

یزدان عامریان

استادیار دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

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 :
  • تشنه لب ، م.، و جعفری , پ. (1395). شبکه ...
  • خلیلی، ن. (1385). پیش بینی بارش با استفاده از شبکه ...
  • رضیئی, ط. (1396). منطقه بندی اقلیمی ایران به روش کوپن-گایگر ...
  • Abhishek, K., Kumar, A., Ranjan, R., & Kumar, S. (2012, ...
  • Aksoy, H., & Dahamsheh, A. (2009). Artificial neural network models ...
  • Cavazos, T. (2000). Using self-organizing maps to investigate extreme climate ...
  • Chui, C. K., & Chen, G. (2009). Kalman Filtering with ...
  • Cross, S. S., Harrison, R. F., & Kennedy, R. L. ...
  • Dahamsheh, A., & Aksoy, H. (2009). Artificial neural network models ...
  • de Jesús Rubio, J., & Yu, W. (2007). Nonlinear system ...
  • Deo, R. C., & Şahin, M. (2015). Application of the ...
  • Hastenrath, S., Greischar, L., & van Heerden, J. (1995). Prediction ...
  • Haykin, S. (1994). Neural Networks: A Comprehensive Foundation. MacMillan College ...
  • Hyndman, R. J., & Koehler, A. B. (2006). Another look ...
  • Iiguni, Y., Sakai, H., & Tokumaru, H. (1992). A real-time ...
  • Kottek, M., Grieser, J., Beck, C., Rudolf, B., & Rubel, ...
  • Lapedes, A., & Farber, R. (1987). Nonlinear signal processing using ...
  • Mekanik, F., Imteaz, M. A., Gato-Trinidad, S., & Elmahdi, A. ...
  • Nasseri, M., Asghari, K., & Abedini, M. J. (2008). Optimized ...
  • Navone, H., & Ceccatto, H. A. (1994). Predicting Indian monsoon ...
  • Norgaard, P. M. (1997). The Neural Network Based System Identification ...
  • Tokar, A. S., & Johnson, P. A. (1999). Rainfall-Runoff Modeling ...
  • Welch, G., & Bishop, G. (2006). An Introduction to the ...
  • Yang, H., Li, J., & Ding, F. (2007). A neural ...
  • نمایش کامل مراجع