پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,675 |
| تعداد مقالات | 13,671 |
| تعداد مشاهده مقاله | 31,678,039 |
| تعداد دریافت فایل اصل مقاله | 12,512,257 |
کاربرد شبکه عصبی مصنوعی در شبیه‌سازی عناصر اقلیمی و پیشبینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان( | ||
| جغرافیا و برنامه ریزی محیطی | ||
| مقاله 6، دوره 21، شماره 3، آذر 1389، صفحه 107-120 اصل مقاله (357.97 K) | ||
| نویسندگان | ||
| جواد خوشحال دستجردی* ؛ سیدمحمد حسینی | ||
| چکیده | ||
| 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 MATLAB-7 و در شاخه Neural Network ، برای پیشبینی وتجزیه و تحلیل عناصراقلیمی کمک گرفته شد. ورودی مدلهای ANN ، دادههای میانگینماهانه بارش، دبی حداقل و دمایبیشینه است که این دادهها، بازه زمانی سالهای1360 تا1383 را در بر میگیرند. اطلاعات20 ساله برای آموزش مدل ها و 4 سال باقی مانده برای آزمایش آنها به کاررفته است. شبکه مورد استفاده از نوع پرسپترون چندلایه( Multi - layer P erceptron ) با الگوریتم پسانتشارِخطا ( Back Propagation ) و تکنیک یادگیری مارکوارت- لونبرگ ( Train LM: Levenberg-Marquardt ) است. ساختارهای گوناگونی از شبکه عصبی با تغییر در لایههای ورودی (6 مدل)، تعداد گرهها در لایههای پنهان و خروجی (2 الی20 گره) ایجاد گردید. نتایج حاصل از تحقیق حاضر، نشان میدهد که در میان الگوهای مورد بررسی، دمایبیشینه، دبی و بارش، نقش مثبتی در پیشبینی خشکسالیهای استان اصفهان داشته، با کاربرد شبکه عصبی مصنوعی میتوان با دقت بالای 95 درصد، سیکل خشکسالی استان را پیشبینی نمود. | ||
| کلیدواژه‌ها | ||
| مارکوارت- لونبرگ؛ واژههای کلیدی: شبکه عصبی مصنوعی؛ پیشبینی خشکسالی؛ پرسپترون چندلایه؛ مارکوارت؛ لونبرگ؛ استان اصفهان | ||
|
آمار تعداد مشاهده مقاله: 756 تعداد دریافت فایل اصل مقاله: 615 |
||