|
|
|
|
تحلیل خشکسالی هواشناسی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات- شبکه‌های عصبی مصنوعی بر مبنای شاخص mspi
|
|
|
|
|
|
|
|
نویسنده
|
شفیعی نجد مریم ,حسن‌زاده یوسف ,اعلمی محمد تقی ,عبدی کردانی امین
|
|
منبع
|
دانش آب و خاك - 1397 - دوره : 28 - شماره : 2 - صفحه:107 -120
|
|
چکیده
|
پدیده خشکسالی یکی از بلایای طبیعی می باشد که احتمال وقوع آن در تمام مناطق اقلیمی امکان پذیر است و در هر منطقه ای که روی می دهد، باعث ایجاد آسیب های جدی در محیط زیست و زندگی انسان ها می شود. بنابراین، پیش بینی این پدیده مضر، می تواند تاثیر قابل توجهی در مدیریت منابع آب داشته باشد و آثار مخرب آن را تا حد امکان کاهش دهد. در این مطالعه، ابتدا با استفاده از شاخص بارندگی استانداردشده چند متغیره (mspi)، مشخصه های خشکسالی در حوضه آبریز لیقوان چای به دست آمد و سپس از شبکه های عصبی مصنوعی (ann) جهت پیش بینی شاخص فوق استفاده گردید. جهت آموزش شبکه های عصبی مصنوعی و تخمین بهینه وزن های آن، الگوریتم بهینه سازی ازدحام ذرات (pso) به کار برده شد و عملکرد آن با الگوریتم پس انتشار خطا (bp) مورد مقایسه قرار گرفت. در این راستا سناریوها و ساختارهای مختلفی در نظر گرفته شد و سپس با استفاده از آزمون های نیکوئی برازش، میزان دقت هر یک از آن ها محاسبه گردید. نتایج حاصل، برتری مدل ann-pso نسبت به مدل ann-bp در پیش بینی خشکسالی را نشان داد.
|
|
کلیدواژه
|
الگوریتم بهینه‌سازی ازدحام ذرات، حوضه آبریز لیقوان‌چای، خشکسالی هواشناسی، شاخص بارندگی استانداردشده چند متغیره، شبکه‌های عصبی مصنوعی
|
|
آدرس
|
دانشگاه تبریز، پردیس خودگردان تبریز, گروه مهندسی عمران, ایران, دانشگاه تبریز, دانشکده مهندسی عمران, گروه مهندسی عمران آب, ایران, دانشگاه تبریز, دانشکده مهندسی عمران, گروه مهندسی عمران آب, ایران, دانشگاه تبریز, دانشکده مهندسی عمران, گروه مهندسی عمران آب, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Meteorological Drought Analysis Using Particle Swarm Optimization Algorithm Artificial Neural Networks Based on MSPI Index
|
|
|
|
|
Authors
|
Shafiei Najd M ,Hassanzadeh Y ,Alami MT ,Abdi Kordani A
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|