پیشبینی بارش‌های سالانه در ایستگاه‌های سینوپتیک کرمانشاه و نوژۀ همدان با استفاده از شبکۀ عصبی مصنوعی
نویسندگان
چکیده مقاله:
اهمّیّت پیشبینی بارش به عنوان مهم‌ترین عنصر اقلیمی و مبنای تمام برنامه‌ریزی‌ها، به‌ویژه در مناطقی که رژیم‌های بارش تغییرات معنی‌دار دارد، بر هیچ‌کس پوشیده نیست. استفاده از شبکه‌های عصبی مصنوعی یکی از روش‌های پیشبینی است که در سالهای اخیر توسعۀ زیادی یافته است. در این پژوهش برای پیشبینی بارش‌های سال بعد در دو ایستگاه سینوپتیک کرمانشاه و نوژۀ همدان از دادههای برخی از عناصر اقلیمی فصول سرد سال قبل استفاده شد. به این منظور، سریهای زمانی هفت عنصر اقلیمی شامل میانگین دما، بارش، رطوبت نسبی، نسبت مخلوط، فشار بخار، دمای نقطۀ شبنم و فشار سطح دریا به عنوان ورودی به شبکه‌های عصبی وارد گردید. خروجی شبکهها، بارش سال بعد در نظر گرفته شد. با توجّه به ماهیت غیرخطّی عناصر اقلیمی منتخب در این تحقیق، از شبکه‌های پرسپترون چندلایهاستفاده شد که از انواع شبکه‌های پیشرو با الگوریتمهای آموزشی نظارتی و مناسب دادههای غیرخطّی است. برای آموزش شبکهها از دو ردۀ الگوریتم آموزشی دیگر، شامل الگوریتمهای آموزشیBP و الگوریتم نرمال‌سازی اعداد استفاده شد. در نهایت، ترکیب این الگوریتمها منجر به تولید 720 شبکۀ آموزشی در دو ایستگاه شد. نتایج تحقیق نشان داد شبکۀ عصبی مصنوعی در هر دو ایستگاه به طرز مناسبی مقادیر بارش سالانه را پیشبینی میکند. بهترین پیشبینی در ایستگاه کرمانشاه مربوط به تابع آموزشیtraingd با الگوریتم نرمال‌سازی میانگین و انحراف معیار با خطای آزمایش معادل 0195/0 در دورۀ سرد سال (پاییز و زمستان)، و در ایستگاه نوژۀ همدان مربوط به تابع آموزشی traingdx با الگوریتم نرمال‌سازی 06/0 pca با خطای آزمایش معادل 0047/0 در فصل زمستان است.
منابع مشابه
پتانسیل‌یابی مناطق توسعۀ شهری با استفاده از شبکۀ عصبی مصنوعی (مطالعۀ موردی: شهر کرمانشاه)
رشد سریع شهرنشینی و توسعة شهری به‌ویژه در کشورهای درحال‌توسعه، به درک الگو و فرایندهای پیچیدة رشد شهری با روش علمی و کارآمد نیاز دارد. لازمة ایجاد رشد شهری پایدار و برنامه‌ریزی توسعة شهری، درک الگوهای صحیح رشد شهری است. کرمانشاه نهمین شهر پرجمعیت کشور و یکی از چهار شهر نخست ایران از نظر حادبودن معضل حاشیه‌نشینی است. هدف این پژوهش، بررسی پتانسیل توسعة شهری در این شهر است. بدینمنظور، شبکة عصبی...
متن کاملطراحی شبکۀ جادۀ جنگلی با استفاده از شبکۀ عصبی مصنوعی و GIS
جاده‌های جنگلی به‌منظور ایجاد دسترسی به جنگل احداث می‌شوند و تأثیر زیربنایی در سازماندهی منطقه دارند. هدف این پژوهش، معرفی راهکاری هوشمند مبتنی بر شبکه‌های عصبی مصنوعی با تلفیق GIS برای طراحی شبکۀ جادۀ جنگلی با در نظر داشتن اصول و معیارهای فنی شبکۀ جادۀ جنگلی است. ابتدا معیارهای مؤثر با استفاده از روش دلفی شناسایی شد و وزن‌دهی آنها با استفاده از روش AHP، انجام گرفت. با تلفیق لایه‌های مختلف و وز...
متن کاملمدلسازی تغییرات پوشش سرزمین شهرستان تبریز با استفاده از شبکۀ عصبی مصنوعی و زنجیرۀ مارکف
هدف از پژوهش پیش رو، مدلسازی تغییرات کاربری اراضی شهرستان تبریز برای سالهای 1395 و 1400 با استفاده از مدلساز تغییر سرزمین (LCM) در محیط سامانۀ اطلاعات جغرافیایی است. برای این کار، تجزیهوتحلیل و بارزسازی تغییرات کاربریها، بهکمک سه دوره از تصاویر ماهوارۀ لندست مربوط به سالهای 1367، 1380 و 1390 انجام گرفت و نقشههای پوشش اراضی جداگانهای برای هر سال تهیه شد. مدلسازی پتانسیل انتقال، بهکمک ...
متن کاملسنجش کمی فنل کل انگور با استفاده از طیف‌سنجی فروسرخ نزدیک و شبکۀ عصبی مصنوعی
انگور یکی از مهم‌ترین میوه‌ها در جهان است. ترکیبات فنلی، آنتی‌اکسیدان‌هایی هستند که از اجزاء مهم انگور بشمار می‌روند. اصطلاح ترکیبات فنلی شامل تمام مولکول‌های آروماتیکی ازجمله اسیدهای آمینه تا مولکول‌های پیچیده شامل تانن‌ها و لگنین‌هاست. روش طیف‌سنجی فروسرخ نزدیک از رایج‌ترین روش‌های غیرمخرب سنجش ترکیبات و تعیین کیفیت میوه‌ها و سبزی‌هاست. در پژوهش حاضر امکان اندازه‌گیری فنل کل انگور توسط طیف‌سن...
متن کاملمدلسازی حجم تجاری درختان توده‌های آمیختۀ راش جنگل‌های هیرکانی با استفاده از شبکۀ عصبی مصنوعی
پیشبینی دقیق حجم درختان سرپا برحسب متر مکعب مبنای برآورد هر چه دقیق‌تر مقدار رویش، برداشت مجاز، ترسیب کربن زی‌تودۀ هوایی درختان و مدیریت بهینۀ جنگل براساس اصل توسعۀ پایدار محسوب می‌شود. از این‌رو، تحقیق حاضر با استفاده از شبکۀ عصبی مصنوعی در پی مدلسازی و پیشبینی حجم تجاری با حداکثر قطعیت است. پژوهش موردی جنگل سری 3 گلندرود نور بوده و اطلاعات دریافتی مستخرج از جدول‌های تجدید حجم ادارۀ کل منابع...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 4 شماره 10
صفحات 13- 27
تاریخ انتشار 2014-05-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023