>
Fa   |   Ar   |   En
   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
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved