|
|
پیش بینی بارش روزانه استان کرمان با شبکه های عصبی مصنوعی (مطالعه موردی: کرمان، بافت و میانده جیرفت)
|
|
|
|
|
نویسنده
|
امیدوار کمال ,نبوی زاده معصومه
|
منبع
|
جغرافيا و توسعه ناحيه اي - 1393 - دوره : 12 - شماره : 2 - صفحه:197 -214
|
|
|
چکیده
|
اهداف: هدف این پژوهش، پیش بینی بارش روزانه با استفاده از آمار روزانه هواشناسی ایستگاه های کرمان، بافت و میانده جیرفت، طی دوره مشترک آماری 23 ساله (2012-1989) می باشد.روش: برای دست یافتن به هدف تحقیق، به آموزش شبکه های عصبی مصنوعی با ساختار پرسپترون چند لایه و شبکه عصبی تابع پایه شعاعی پرداخته شد. ترکیب های مختلف پارامترهای کمینه دما، بیشینه دما، میانگین دما، رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار، به عنوان ورودی های شبکه های عصبی مصنوعی و بارش روزانه به عنوان خروجی شبکه درنظر گرفته شدند. یافته ها/ نتایج: نتایج نشان داد شبکه های عصبی مصنوعی پایه تابع شعاعی از دقت بسیار بیشتر و خطای کمتری نسبت به شبکه عصبی پرسپترون، برای تخمین بارش روزانه در هر سه ایستگاه برخوردار هستند. نتیجه گیری: در بهترین ترکیب با پارامتر های کمینه و بیشینه و حداقل دما و رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار در ایستگاه کرمان با ضریب همبستگی 907/0 و جذر میانگین مربعات خطای 014/0، بهترین مدل پیش بینی بارش در این تحقیق شناخته شدند.
|
کلیدواژه
|
پیش بینی بارش ,شبکه عصبی پرسپترون ,شبکه عصبی تابع پایه شعاعی ,کرمان ,بافت ,میانده جیرفت ,Precipitation Forecasting ,Perceptron Neural Networks ,Radial Basis Function Neural Networks ,Kerman ,Baft ,Miandeh Jiroft
|
آدرس
|
یزد, استاد اقلیم شناسی گروه جغرافیا، دانشگاه یزد, ایران, یزد, کارشناس ارشد اقلیم شناسی در برنامه ریزی محیطی، دانشگاه یزد, ایران
|
پست الکترونیکی
|
mnabavi93@yahoo.com
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|