مقاله

تحلیل خشکسالی هواشناسی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات- شبکه‌های عصبی مصنوعی بر مبنای شاخص MSPI

دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است

چکیده

پدیده خشکسالی یکی از بلایای طبیعی میباشد که احتمال وقوع آن در تمام مناطق اقلیمی امکانپذیر است و در هر منطقهای که روی میدهد، باعث ایجاد آسیبهای جدی در محیط زیست و زندگی انسانها میشود. بنابراین، پیشبینی این پدیده مضر، میتواند تأثیر قابل توجهی در مدیریت منابع آب داشته باشد و آثار مخرب آن را تا حد امکان کاهش دهد. در این مطالعه، ابتدا با استفاده از شاخص بارندگی استانداردشده چند متغیره (MSPI)، مشخصههای خشکسالی در حوضه آبریز لیقوانچای بهدست آمد و سپس از شبکههای عصبی مصنوعی (ANN) جهت پیشبینی شاخص فوق استفاده گردید. جهت آموزش شبکههای عصبی مصنوعی و تخمین بهینه وزنهای آن، الگوریتم بهینهسازی ازدحام ذرات (PSO) بهکار برده شد و عملکرد آن با الگوریتم پس انتشار خطا (BP) مورد مقایسه قرار گرفت. در این راستا سناریوها و ساختارهای مختلفی در نظر گرفته شد و سپس با استفاده از آزمونهای نیکوئی برازش، میزان دقت هر یک از آنها محاسبه گردید. نتایج حاصل، برتری مدل ANN-PSO نسبت به مدل ANN-BP در پیشبینی خشکسالی را نشان داد.

نویسندگان و وابستگی سازمانی
  1. مریم شفیعی نجد — دانش‌آموخته کارشناسی ارشد، گروه مهندسی عمران، پردیس خودگردان تبریز، دانشگاه تبریز
  2. یوسف حسن‌زاده — استاد، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
  3. محمد تقی اعلمی — استاد، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
  4. امین عبدی کردانی — دانش‌آموخته دکتری، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز

شکل‌ها (۱)

  • شکل -2 موقعیت جغرافیایی و نقشه حوضه آبریز لیقوانچای.
    شکل -2 موقعیت جغرافیایی و نقشه حوضه آبریز لیقوانچای.صفحه‌ی ۸

شکل‌ها از متن کامل مقاله برداشته شده‌اند و حقوقشان از آنِ نویسندگان و ناشر است. منبع: صفحه‌ی اصلی مقاله

اسناد مشابه