>
Fa   |   Ar   |   En
   ارزیابی توانایی مدل‌های هوشمند در پیش‌بینی بارندگی ماهانه به کمک الگوهای پیوند از دور (مطالعه موردی استان خراسان رضوی)  
   
نویسنده نظریه فرزانه ,انصاری حسین
منبع آب و خاك - 1394 - دوره : 29 - شماره : 2 - صفحه:274 -283
چکیده    الگوهای پیوند دور از جمله عوامل موثر بر میزان بارش می‌باشند، در این تحقیق توانایی مدل‌های هوشمند در پیش‌بینی بارندگی ماهانه به کمک داده‌های پیوند از دور در هشت ایستگاه سینوپتیک استان خراسان رضوی برای سال‌های 1991 تا 2010 مورد بررسی قرار گرفت. مدل‌های هوشمند مورد بررسی عبارتند از مدل شبکه عصبی مصنوعی، مدل استنتاج فازی و مدل نروفازی. معیارهای آماری برای مقایسه نتایج مدل‌ها شامل ضریب‌ همبستگی، میانگین‌ خطای ‌اریبی، میانگین ‌مربعات‌ خطا و معیارهای ترکیبی جاکووی دز و صباغ می‌باشد. پس از یافتن بهترین ساختار برای مدل‌های هوشمند و مقایسه آن‌ها، مشخص گردید مدل نروفازی بهترین نتایج را دارا می‌باشد. معیار‌های آماری برای پیش‌بینی بارش به روش نروفازی به ترتیب در یک ماهه آینده برابر 8/0، 55/0-، 43/0، 7/0، 91/0، برای دو ماهه آینده برابر 79/0، 32/1-، 48/0، 56/1، 4/0 و برای سه ماهه آینده برابر 73/0، 37/1-، 54/0، 47/1، 36/0 به‌دست آمد. نتایج مدل‌های هوشمند برای ایستگاهی که داده‌های آن در بخش آموزش بکار برده نشده بود حاکی از این است که مدل‌ها برای منطقه جغرافیایی آموزش دیده توانایی پیش‌بینی بارش را دارند. بررسی دقت مدل نروفازی در هر یک از کلاس‌های شاخص بارندگی استاندارد نشان داد که این مدل در برآورد مقادیر بارش در کلاس‌های تر سالی بسیار شدید و تر سالی شدید کم برآورد داشته است. در نهایت نتایج این تحقیق نشان داد که مدل‌های هوشمند مخصوصاً مدل نروفازی ابزار مناسبی برای پیش‌بینی بارندگی می‌باشند، اما از این مدل‌ها در کلاس‌های تر سالی بسیار شدید و تر سالی شدید با تامل بیشتری باید استفاده نمود.
کلیدواژه پیش‌بینی بارندگی ,الگوهای پیوند از دور ,سیستم استنتاج فازی ,شبکه عصبی مصنوعی ,شبکه نروفازی
آدرس دانشگاه فردوسی مشهد, دانشجوی دکتری آبیاری و زهکشی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد, ایران, دانشگاه فردوسی مشهد, دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد, ایران
پست الکترونیکی ansari_hos@yahoo.com
 
 

Copyright 2015
Islamic World Science Citation Center
All Rights Reserved