مقایسه‌ی شبکه عصبی و سری‌های زمانی در پیش‌بینی خشکسالی (مطالعه موردی: استان خراسان رضوی)

Authors

  • سلاجقه, علی دانشگاه تهران
Abstract:

  جهت کاهش خسارات ناشی از خشکسالی لازم است تا شرایط آینده از نظر خشکسالی تعیین گردد. در این پژوهش عملکرد مدل­های سری­های زمانی( ARIMA ) و شبکه عصبی (پرسپترون چند لایه) در پیش­بینی مقادیر SPI مقایسه گردید. بدین منظور در ابتدا مقادیر SPI سه، شش، نه و دوازده ماهه استان خراسان رضوی تعیین کرده و سپس با استفاده از مدل­های شبکه عصبی مصنوعی و سری­های زمانی اقدام به پیش­بینی مقادیر SPI گردید. نتایج این پژوهش نشان که مدل­های سری زمانی عملکرد بهتری در پیش­بینی مقادیر SPI نسبت به شبکه عصبی داشته و همچنین مقادیر SPI نه و دوازده ماهه بهتر از مقادیر SPI سه و شش ماهه پیش­بینی گردید.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پایش خشکسالی بر اساس شاخص‌ماهواره‌ای (SDI) و داده‌های سنجنده TRMM (مطالعه موردی : استان خراسان رضوی)

کشور ایران با قرار گرفتن در منطقه خشک جهان همواره در معرض وقوع پدیده خشکسالی قرار دارد. متوسط بارش در کشور کمتر از یک سوم متوسط بارش سالانه جهان است و این میزان نیز از توزیع زمانی و مکانی مناسبی برخوردار نیست. از جمله روش-های بررسی خشکسالی استفاده از شاخص‌های هواشناسی می‌باشد که با استفاده از داده‌های ایستگاه‌های هواشناسی محاسبه می-گردند. یکی از مهمترین مشکلات استفاده از این شاخص‌ها در ایران پر...

full text

ارزیابی خطر خشکسالی و تغییر اقلیم در استان خراسان رضوی

در این تحقیق خطرات ناشی از تغییرات اقلیمی و خشکسالی در استان خراسان رضوی در طی دوره آماری 23 ساله (1390-1368) مورد برررسی قرار گرفت. تغییرات اقلیمی در سطح استان با استفاده از شاخص رطوبتی دومارتن و تغییرات دما بدست آمد. به منظور بررسی خشکسالی نیز از دو شاخص SIAP[1] و PNPI[2] استفاده شد. نتایج نشان داد که براساس خطر تغییرات اقلیمی، 76 درصد استان تحت تأثیر خطر خیلی شدید، 1/11 درصد دارای خطر شدید و...

full text

کاربرد شبکه عصبی مصنوعی در شبیه‌سازی عناصر اقلیمی و پیش‌بینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان(

 اربرد شبکه عصبی مصنوعی در شبیه‌سازی عناصر اقلیمی و پیش‌بینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان( چکیده   در این­ پژوهش، از شبکه­های عصبی مصنوعی ( Artificial Neural Networks ) به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین، به منظور پیش­بینی سیکل خشکسالی در20 ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری استان اصفهان که حداقل20 سال آمار روزانه داشتند، استفاده شد. از نرم­افزار M...

full text

بررسی زمانی- مکانی بارش با استفاده از داده‌های ماهواره‌ TRMM (مطالعه موردی: استان خراسان رضوی)

اندازه‌گیری دقیق مقدار بارش نقش بسیار مهمی در درک و پیش‌بینی سیستم آب و هوایی دارد. در این تحقیق، جهت برآورد میزان بارش و بررسی تغییرات زمانی- مکانی از داده‌های محصول بارش 3B42 ماهواره TRMM برای دوره آماری 2001 تا2010 میلادی با شبکه‌های 25/0 درجه (تفکیک مکانی) در استان خراسان رضوی استفاده شد. جهت برازش داده‌ها، پلاتی از داده‌های ماهواره با نقشه استان و با 40 شبکه تهیه شد، بطوریکه هر شبکه تل...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 2  issue 4

pages  74- 77

publication date 2008-10

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023