سامانه مدیریت نشریات علمی دانشگاه یزد

گلابی, محمدرضا, رادمنش, فریدون, آخوند علی, علی محمد. (1392). بررسی عملکرد شبکه عصبی¬مصنوعی و سری¬های زمانی در مدل¬سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه¬های منتخب استان خوزستان). کاوش‌نامه زبان و ادبیات فارسی, 3(1), 82-87.
محمدرضا گلابی; فریدون رادمنش; علی محمد آخوند علی. "بررسی عملکرد شبکه عصبی¬مصنوعی و سری¬های زمانی در مدل¬سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه¬های منتخب استان خوزستان)". کاوش‌نامه زبان و ادبیات فارسی, 3, 1, 1392, 82-87.
گلابی, محمدرضا, رادمنش, فریدون, آخوند علی, علی محمد. (1392). 'بررسی عملکرد شبکه عصبی¬مصنوعی و سری¬های زمانی در مدل¬سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه¬های منتخب استان خوزستان)', کاوش‌نامه زبان و ادبیات فارسی, 3(1), pp. 82-87.
گلابی, محمدرضا, رادمنش, فریدون, آخوند علی, علی محمد. بررسی عملکرد شبکه عصبی¬مصنوعی و سری¬های زمانی در مدل¬سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه¬های منتخب استان خوزستان). کاوش‌نامه زبان و ادبیات فارسی, 1392; 3(1): 82-87.

بررسی عملکرد شبکه عصبی¬مصنوعی و سری¬های زمانی در مدل¬سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه¬های منتخب استان خوزستان)

خشک بوم
مقاله 8، دوره 3، شماره 1، شهریور 1392، صفحه 82-87    اصل مقاله (192.39 K)
نوع مقاله: مقاله پژوهشی
نویسندگان
محمدرضا گلابی* 1؛ فریدون رادمنش2؛ علی محمد آخوند علی3
1دانشجوی کارشناسی ارشد گروه مهندسی منابع آب، دانشگاه شهید چمران اهواز
2استادیار دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
3استاد دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
چکیده
خشکسالی پدیده­ای طبیعی است که می­تواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازه­های طبیعی وارد آورد. در این تحقیق به منظور پیش­بینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکه­های عصبی­مصنوعی، پرسپترون چند لایه و تابع پایه­ی شعاعی و مدل­های سری­زمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دوره­های سه، شش، نه و دوازده ماهه­ی ایستگاه­های منتخب استان خوزستان محاسبه گردید. سپس با استفاده از مدل­های شبکه عصبی­مصنوعی و سری­های زمانی اقدام به پیش­بینی مقادیر شاخص بارش استاندارد گردید. نتایج این تحقیق نشان داد که مدل­های سری­زمانی در تمام دوره­های زمانی مورد مطالعه عملکرد بهتری در پیش­بینی مقادیر شاخص بارش استاندارد نسبت به شبکه­های عصبی­مصنوعی دارند و شبکه عصبی­مصنوعی پرسپترون­چند­لایه نیز نسبت به شبکه عصبی­مصنوعی تابع پایه­ی شعاعی در تمام دوره­ها مقادیر شاخص بارش استاندارد را بهتر پیش­بینی می­کند.
کلیدواژه‌ها
خشکسالی؛ پیش بینی؛ شبکه های عصبی مصنوعی؛ سری های زمانی؛ شاخص بارش استاندارد؛ خوزستان
عنوان مقاله [English]
An Investigation of Artificial Neural Network and Time Series Performance in the Index Standard Precipitation Drought Modeling (Case Study: Selected Stations of Khuzestan Province)
نویسندگان [English]
M. R. Golabi1؛ F. Radmanesh2؛ A. M. Akhondali3
چکیده [English]
Drought is a natural phenomenon which may happen everywhere and cause remarkable damages to human and natural structures. In this study, two types of artificial Neural networks; multilayer perceptron, radial basis function, as well as time series models have been used to predict the standardized pereipitation drought index. To this end, the amount of standard precipitation index was calculated firstly in the selected stations of Khuzestan province in three, six, nine, and twelve months periods. Finally, the amount of standard precipitation index was predicted using the artificial Neural network and time series models. The results showed that the time series models have better performance in predicting the amount of standard precipitation index in all of the mentioned time periods in comparison to the artificial Neural network. In addition, the results indicated that the multilayer perceptron could better predict the amount of standard precipitation index in all periods comparing to the radial basis function.
کلیدواژه‌ها [English]
Drought, prediction, Artificial neural network, Time Series, Standard precipitation index, Khuzestan
آمار
تعداد مشاهده مقاله: 5,399
تعداد دریافت فایل اصل مقاله: 2,605