تحقیقات کاربردی علوم جغرافیایی، جلد ۱۵، شماره ۳۶، صفحات ۱۳۹-۱۵۶
عنوان فارسی ارزیابی عملکرد شبکه عصبی مصنوعی در پیش بینی خشکسالی هواشناسی در شمال غرب ایران
چکیده فارسی مقاله خشکسالی یکی از مخرب ترین بلایای طبیعی در جوامع بشری محسوب می شود که می تواند تاثیرات جبران ناپذیر کشاورزی، زیست محیطی، اجتماعی و اقتصادی به همراه داشته باشد. بنابراین آگاهی از وقوع خشکسالی می تواند در کاهش خسارات موثر باشد. در این پژوهش، به منظور مدلسازی و شبیه سازی شدت خشکسالی در طول یک دوره آماری 37 ساله (1350- 1386) در 21 ایستگاه بارانسنجی واقع در ناحیه نیمه خشک سرد شمال غربی ایران از شبکه عصبی مصنوعی بهره گرفته شد. داده های ورودی به شبکه شامل میانگین بارش سالیانه و نیز شاخص دهک بارش سالیانه برای تمامی ایستگاه ها بوده که 80% داده ها برای آموزش شبکه (1350-1379) و20% باقیمانده برای تست و اعتبار سنجی شبکه (1380-1386) انتخاب گردید. سپس عمل پیش بینی خشکسالی توسط الگوریتم آموزش دیده شده توسط شبکه عصبی مصنوعی و بدون استفاده از داده های واقعی و مشاهداتی، برای سال های 1387 تا 1391صورت گرفت. معماری مطلوب شبکه به صورت مدل پرسپترون با سه لایه پنهان، الگوی پس انتشار خطا و تابع محرک سیگموئید به همراه 10 نرون در لایه میانی انتخاب گردید. نتایج حاصله نشان داد که شبکه عصبی مصنوعی به خوبی قادر به پیش بینی روابط غیر خطی بارش و خشکسالی بوده بطوریکه با همبستگی بیشتر از 97% و خطای کمتر از 5% مقادیر شاخص دهک بارش را پیش بینی نموده و نتایج حاصل از این پیش بینی بطور زیادی منطبق با مقادیر واقعی می باشد. از این رو با استفاده از این روش می توان وضعیت خشکسالی را در سال های آتی پیش بینی کرده و در مدیریت و بهره وری منابع آب و نیز مدیریت خشکسالی و تغییرات اقلیمی از این روش بهره جست.
کلیدواژه‌های فارسی مقاله خشکسالی ، پیش بینی ، شبکه عصبی مصنوعی ، شمال غرب ایران ،
عنوان انگلیسی Evaluation the efficiency of using Artificial Neural Networks in predicting meteorological droughts in north-west of Iran
چکیده انگلیسی مقاله Drought is one of the most destructive natural disasters in human societies that cause irreparable impacts on agriculture, environment, society and economics. So, awareness of occurrence of droughts can be effective in reducing losses. In this study, in order to modeling and forecasting drought severity in a 37 year time period (1971-2007) in 21 meteorological stations, located in the cold semi-arid region of north-west Iran, artificial neural networks was used. The input data was annual rainfall data and annual drought precipitation index for all stations that 80% of the data (1971-2000) used for training the network and other 20% (2001-2007) used for testing it and in the next step drought severity predicted for the years 2008 to 2012 by the trained algorithm without using actual and existed data in this period. The appropriate structure for the network, based on Multi Layer Perceptron with three hidden layer, Back Propagation algorithm, Sigmoid transfer function and 10 neurons in middle layer. The results show that the artificial neural networks are well able to predict the non-linear relationship between rainfall and drought as it can simulate drought precipitation index values largely consistent with the real values with more than 97% regression and less than 5% error. So, drought can be predicted by this method in future and also it is useful in water resources management, drought management and climate change. 
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله آرش ملکیان | arash malekian
استادیار مهندسی منابع آب و هیدرولوژی، دانشکده منابع طبیعی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مه رو ده بزرگی | mahro dehbozorgi
دانش آموخته کارشناسی ارشد مهندسی منابع طبیعی- همزیستی با بیابان، مرکز تحقیقات بین المللی بیابان، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

امیر هوشنگ احسانی | amir hoshang ehsani
دانشیار سیستم های اطلاعات جغرافیایی و سنجش از دور، دانشکده محیط زیست، دانشگاه تهران
سازمان اصلی تایید شده: دانشکده محیط زیست

نشانی اینترنتی http://jgs.khu.ac.ir/browse.php?a_code=A-10-3-222&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده گزارش مورد
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات