- |
-
کاربرد شبکه عصبی در پیش بینی خشکسالی هواشناسی فارس
پذیرفته شده برای پوستر
اصل مقاله (914.67 K)
نویسندگان
1عضو هیات علمی
2شهرک غرب ، فلامک جنوبی ، فاز 5 سیمای ایران، گلبانگ ، ک دانش ، پ 4 ، واحد 1 غربی
313445-1136
چکیده
پیش بینی وقوع خشکسالی بسیار حایز اهمیت است. خشکسالی از نظر فراوانی وقوع، شدت، مدت، وسعت، تلفات‌جانی، خسارت‌های اقتصادی- اجتماعی و اثرات شدید بلندمدت نسبت به سایر بلایی طبیعی اولویت دارد و مخاطره آمیزتر است و نیازمند توجه بیشتری در تصمیم گیری‌ها می‌باشد. تا کنون در تحقیقات مختلفی به بررسی خشکسالی اقلیمی در مناطق مختلف پرداخته شده است. در پژوهش حاضر داده‌های بارش، درجه حرارت و تبخیر سالانه 52 ایستگاه باران‌سنجی، تبخیرسنجی و سینوپتیک در استان فارس برای 30 سال آبی مورد استفاده قرار گرفته است. اما در این تحقیق به بررسی کاربرد انواع روش های زمین آماری به جهت پایش و تحلیل فضایی شدت خشکسالی هواشناسی بابهره گیری ترکیبی از نرم افزارسیستم اطلاعات جغرافیایی استفاده شد. در این مطالعه برای پیش بینی خشکسالی از شبکه عصبی استفاده گردید. محاسبات مربوط به شبکه عصبی در محیط Matlab انجام گرفت. با استفاده از رویکرد NARX این پیش بینی صورت گرفت، با توجه به اینکه هدف استفاده از دو سری زمانی بارش و خشکسالی بود این رویکرد انتخاب گردید. این رویکرد بر اساس داده های قبلی سری زمانی (بارش) و نیز سایر سری های زمانی (شاخص سیاپ) پیش بینی در سری زمانی را انجام میدهد. در شبکه پرسپترون چند لایه از الگوریتم مارکوارت-لونبرگ استفاده شد. میزان خطای MAE برای مرحله آموزش در ایستگاه فسا با 14 نرون در لایه پنهان، 84/0 و در مرحله آزمون 013/0 بود، همچنین در میزان خطای RMSE در مرحله آموزش 57/0 و در مرحله آزمون 3/0 بود.
کلیدواژه ها