پيش بيني بارش ماهانه در منطقه ايران با استفاده از ترکيب شبکه هاي عصبي مصنوعي و فيلتر کالمن توسعه يافته

رحيمي نسب مجتبي; عامريان يزدان

مشخصات مقاله

عنوان نشریه:

اطلاعات جغرافيايي

اطلاعات شماره:

تابستان 1398 , دوره 28 , شماره 110 ; از صفحه 77 تا صفحه 90 .

عنوان مقاله:

پيش بيني بارش ماهانه در منطقه ايران با استفاده از ترکيب شبکه هاي عصبي مصنوعي و فيلتر کالمن توسعه يافته

نویسندگان:

رحيمي نسب مجتبي, عامريان يزدان*

آدرس:

* دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده:

بارش باران يکي از مهم ترين پديده هاي جوّي است که بر زندگي بشر اثر مي گذارد. پيش بيني بارش باران براي اهداف مختلفي مانند برنامه ريزي فعاليت هاي کشاورزي، پيش بيني سيلاب، پايش خشکسالي و تأمين آب مصرفي از اهميت بالايي برخوردار است. هدف اين مقاله پيش بيني بارش ماهانه در ايران با استفاده از روش جديد ترکيب شبکه هاي عصبي مصنوعي و فيلتر کالمن توسعه يافته مي باشد، که براي اين هدف از داده هاي ميانگين بارش ماهانه حدود 180 ايستگاه سينوپتيک ايران که در سراسر کشور پراکنده هستند، طي سال هاي 1951 تا 2016استفاده شده و به پيش بيني بارش ماهانه براي سال 2017 با استفاده از روش مقاله پرداخته شده است. در اين مطالعه ايران شامل 8 پهنه اقليمي است که به روش کوپن-گايگر تقسيم بندي شده است. از شبکه عصبي مصنوعي چندلايه با دو لايه مخفي که در هر لايه 10 نورون قرار گرفته است، براي پيش بيني در هر يک از پهنه هاي اقليمي استفاده شد که براي آموزش اين شبکه از فيلتر کالمن توسعه يافته استفاده گرديد. اختلاف مقادير بارش ماهانه اندازه گيري شده در سال 2017 و مقادير حاصل از پيش بيني در تمام ايستگاه ها محاسبه گرديد. جذر ميانگين مربعات اين اختلافات (RMSE) در حالت نرمال براي 8 پهنه اقليمي در مراحل آزمون و پيش بيني محاسبه گرديد که براي اقليم بيابان خشک و بسيار گرم نسبت به اقليم بيابان خشک و سرد کمتر است و براي اقليم نيمه بياباني خشک و سرد نسبت به اقليم نيمه بياباني خشک و بسيار گرم کمتر است و براي اقليم معتدل با تابستان هاي خشک و بسيار گرم نسبت به اقليم معتدل پرباران با تابستان هاي گرم کمتر است و براي اقليم برفي با تابستان هاي خشک و بسيار گرم نسبت به اقليم برفي با تابستان هاي خشک و گرم کمتر مي باشد. در بيشتر موارد RMSE بدست آمده در اقليم هاي بسيار گرم داراي مقدار کمتري است که نشان دهنده کارايي بهتر روش مقاله در پيش بيني بارش در اين نوع اقليم مي باشد.

کلید واژه:

پيش بيني بارش(Q2)منطقه ايران(Q1)شبکه عصبي مصنوعي(Q2)فيلتر کالمن توسعه يافته(Q1)

چارک 1 این موضوع در حوزۀ علمی خود، در چارک اول تازگی است.
یعنی استقبال پژوهشگران از این موضوع خیلی زیاد است.
چارک 2 این موضوع در حوزۀ علمی خود، در چارک دوم تازگی است.
یعنی استقبال پژوهشگران از این موضوع زیاد است.
چارک 3 این موضوع در حوزۀ علمی خود، در چارک سوم تازگی است.
یعنی استقبال پژوهشگران از این موضوع کم است.
چارک 4 این موضوع در حوزۀ علمی خود، در چارک چهارم تازگی است.
یعنی استقبال پژوهشگران از این موضوع خیلی کم است.

موضوعات مرتبط:

Arima Lqg / Ltr آزمون گاما الگوریتم پس انتشار خطا پیش بینی راست آزمایی ردگیری چندهدفه سری زمانی شبکه عصبی شبکه های عصبی مصنوعی شبکه های عصبی شتاب سنج فیلتر کالمن خنثی ماهواره زمین آهنگ میانده جیرفت

مقالات نشریه ای مرتبط:

مقالات همایشی مرتبط:

ندارد

طرح های مرتبط:

مقالات بین المللی مرتبط:

No item.

ارتباط خیلی زیاد ارتباط زیاد مرتبط ارتباط کمتر

ارجاعات:

ثبت نشده است

استنادات:

ثبت نشده است

+جهت ارجاع به این مقاله کلیک کنید(Cite).

APA : کپی

رحیمی نسب، م.، و عامریان، ی. (1398). پیش بینی بارش ماهانه در منطقه ایران با استفاده از ترکیب شبکه های عصبی مصنوعی و فیلتر کالمن توسعه یافته. اطلاعات جغرافیایی, 28(110 ), 77-90. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=479612

Vancouver : کپی

رحیمی نسب مجتبی، عامریان یزدان. پیش بینی بارش ماهانه در منطقه ایران با استفاده از ترکیب شبکه های عصبی مصنوعی و فیلتر کالمن توسعه یافته. اطلاعات جغرافیایی. 1398 [cited 2022May23];28(110 ):77-90. Available from: https://www.sid.ir/fa/journal/ViewPaper.aspx?id=479612

IEEE : کپی

رحیمی نسب، م.، عامریان، ی.، 1398. پیش بینی بارش ماهانه در منطقه ایران با استفاده از ترکیب شبکه های عصبی مصنوعی و فیلتر کالمن توسعه یافته. اطلاعات جغرافیایی, [online] 28(110 ), pp.77-90. Available: https://www.sid.ir/fa/journal/ViewPaper.aspx?id=479612.