>
Fa   |   Ar   |   En
   برآورد میزان تغییرات بارندگی با استفاده از تلفیق تکنیک شبکه‌های عصبی مصنوعی و زمین‌آمار در شمال غرب ایران  
   
نویسنده متکان علی اکبر ,عربی بهناز ,لشکری حسن ,میرباقری بابک
منبع سنجش از دور و gis ايران - 1391 - دوره : 4 - شماره : 16 - صفحه:37 -54
چکیده    ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در مناطق مختلف برای اجرای طرح‌های آبی از یک‌سو، و فقدان شبکه‌ای مطلوب از ایستگاه‌های اندازه‌گیری پارامترهای هواشناسی از سوی دیگر، اهمیت استفاده از روش‌های غیرمستقیم را برای تخمین پارامترهای اقلیمی در بسیاری از مناطق کشور آشکار می‌سازد. پیش‌بینی تغییرات اقلیمی حاکم بر هر منطقه و مدل‌سازی‌های اقلیمی و هیدرولوژیکی، مستلزم در دسترس بودن اطلاعات درازمدت و هم‌زمانِ بارش در قالب‌های مکانی و زمانی در ایستگاه‌های باران‌سنجی است. به دلیل عدم کفایت ایستگاه‌های ثبت بارندگی در گذشته، دسترسی به این اطلاعات در بسیاری از مناطق کشور با محدودیت‌هایی همراه است و پیاده‌سازی این مدل‌ها در مناطق مذکور عملاً ناممکن می‌نماید. استفاده از شبکه‌های عصبی مصنوعی (ann) امکان برآورد این اطلاعات را در ایستگاه‌های پراکنده باران‌سنجی، و در درازمدت حتی در سال‌هایی که منطقه فاقد ایستگاه‌های ثبت بارش بوده است، فراهم می‌کند. در این تحقیق برای برآورد آمار میانگین بارندگی ماهانه و فصلی و سالانه در 305 ایستگاه هواشناسی موجود در سه استان اردبیل و آذربایجان شرقی و آذربایجان غربی در دو دهه پیش از تاسیس این ایستگاه‌ها، از 36600 داده ثبت‌شده آمار بارندگی ماهانه در دوره ده‌ساله 2004-1995 استفاده شد. این داده‌ها به عنوان ورودی برای آموزش شبکه‌های عصبی با الگوریتم پس‌انتشار خطا به کار گرفته شدند. طول و عرض جغرافیایی، ارتفاع، شیب، عدد ماه و میانگین بارندگی ماهانه 5 ایستگاه نزدیک‌تر به هر ایستگاه نیز به عنوان پارامترهای ورودی شبکه انتخاب شدند. ابتدا شبکه عصبی برای دوره ده‌ساله 2004-1995 آموزش داده شد و دقتی معادل (84/0=r) به‌دست آمد. پس از آموزش شبکه عصبی، اقدام به برآورد داده‌های میانگین بارندگی ماهانه و فصلی و سالانه در دوره زمانی 1994-1975 در ایستگاه‌های موجود در منطقه مطالعاتی گردید. دقت شبکه عصبی در این برآورد معادل 7/0، 78/0 و 88/0 به ترتیب برای تخمین مقادیر میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مورد مطالعه بود. میزان این دقت برای هر سه استان به صورت مجزا اعتبارسنجی شد و بیشترین دقت در استان آذربایجان غربی (معادل 78/0) به دست آمد. سپس اقدام به تولید نقشه‌های درون‌یابی شده میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مطالعاتی، با استفاده از تخمینگر زمین‌آماری کریجینگ براساس داده‌های برآوردشده با تکنیک شبکه‌های عصبی و داده‌های موجود ثبت‌شده در ایستگاه‌ها در دوره زمانی 2004-1975 گردید. نتایج این تحقیق امکان دسترسی به آمار پیوسته و درازمدت بارندگی و همچنین بررسی تغییرات توزیع مکانی بارندگی را در منطقه شمال غرب کشور از گذشته تا امروز میسر می‌سازد. کلید‌واژه‌ها: برآورد مکانی ـ زمانی، شبکه‌های عصبی مصنوعی، الگوریتم پس‌انتشار خطا، کریجینگ، شمال غرب ایران.
کلیدواژه برآورد مکانی ـ زمانی ,شبکه‌های عصبی مصنوعی ,الگوریتم پس‌انتشار خطا ,کریجینگ ,شمال غرب ایران
آدرس دانشگاه شهید بهشتی, دانشیار گروه سنجش از دور و GIS، دانشکده علوم زمین،, ایران, دانشگاه شهید بهشتی, دانشجوی کارشناسی ارشد رشته سنجش از دور و GIS، دانشکده علوم زمین،, ایران, دانشگاه شهید بهشتی, دانشیار گروه جغرافیا، دانشکده علوم زمین،, ایران, دانشگاه شهید بهشتی, مربی گروه سنجش از دور و GIS، دانشکده علوم زمین،, ایران
 
     
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved