• کاربرد روش های هوش مصنوعی در پیش بینی خشکسالی بر اساس شاخص بارندگی استاندارد (spi)

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/01/01
    • تاریخ انتشار در تی پی بین: 1393/01/01
    • تعداد بازدید: 1503
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    خشکسالی یکی از بزرگترین بلایای طبیعی است که سالانه خسارت های زیادی را در سرتاسر جهان به جا می گذارد. اجرای برنامه های مدیریت خشکسالی، بعد از وقوع آن نقاط ضعف بسیاری دارد و نتیجه مناسبی را به همراه ندارد، بنابراین اگر بتوان خشکسالی را پیش بینی نمود باعث می شود با آمادگی بیشتر راهکارهای مناسب برای کاهش اثرات خشکسالی تعیین گردد و مدیریت آن بهبود یابد. به این منظور در این مقاله از دو روش هوش مصنوعی شامل شبکه عصبی پرسپترون چندلایه (mlp) و سیستم استنباط عصبی- فازی تطبیقی (anfis) برای پیش بینی خشکسالی بر اساس اطلاعات بارندگی ایستگاه عبدالخان، واقع در حوضه کرخه استفاده گردید. در ابتدا شاخص خشکسالی استاندارد بارندگی برای ایستگاه عبدالخان در مقیاس زمانی 3، 6 و 12 ماهه محاسبه شد؛ پس از آن مقادیرspi  محاسبه شده به عنوان ورودی روش های پیش بینی در نظر گرفته شد. نتایج نشان داد هر دو روش با دقت قابل قبولی خشکسالی را پیش بینی می کنند. به نحوی که برای sp112, sp16, sp13 مقدار ضریب تبیین به ترتیب برابر 0.47، 0.58 و 0.78 و برایanfis  به ترتیب برابر 0.46، 0.60 و 0.66 به دست آمده است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین ژورنال ها