دانش رسان |
مرکز علم و دانش کشور مقاله پیش‌بینی خشکسالی با استفاده از مدل فازی-عصبی، شاخص‌های اقلیمی، بارندگی و شاخص خشکسالی (مطالعه موردی: زاهدان)
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله پیش‌بینی خشکسالی با استفاده از مدل فازی-عصبی، شاخص‌های اقلیمی، بارندگی و شاخص خشکسالی (مطالعه موردی: زاهدان) دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله پیش‌بینی خشکسالی با استفاده از مدل فازی-عصبی، شاخص‌های اقلیمی، بارندگی و شاخص خشکسالی (مطالعه موردی: زاهدان) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پیش‌بینی خشکسالی با استفاده از مدل فازی-عصبی، شاخص‌های اقلیمی، بارندگی و شاخص خشکسالی (مطالعه موردی: زاهدان)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله پیش‌بینی خشکسالی با استفاده از مدل فازی-عصبی، شاخص‌های اقلیمی، بارندگی و شاخص خشکسالی (مطالعه موردی: زاهدان) :
تعداد صفحات :۲۱
هدف تحقیق حاضر، پیش‌بینی خشکسالی‌های پاییزه‌ی زاهدان به وسیله متغیّرهای ورودی مختلف می‌باشد. این متغیّرها عبارتند از: بارندگی، مقادیر پیشین شاخص خشکسالی SPI و ۱۹ عدد از شاخص‌های اقلیمی. برای این منظور، میانگین سه ماهه اکتبر- نوامبر- دسامبر شاخص خشکسالی SPI به عنوان متغیّر خروجی انتخاب شد. سپس هرکدام از متغیّرهای ورودی یاد شده، در تأخیرهای زمانی صفر، ۱، ۲ و ۳ ماهه (به ترتیب میانگین سه ماهه اکتبر-نوامبر-دسامبر، سپتامبر-اکتبر- نوامبر، آگوست- سپتامبر- اکتبر و ژولای-آگوست- سپتامبر) وارد مدل شدند. مدل‌های پیش‌بینی نیز با استفاده از مدل فازی- عصبی ANFIS توسعه داده شدند. بر اساس نتایج بهدست آمده، در تأخیر زمانی صفر، بارندگی و شاخص اقلیمی Nino3 به ترتیب با ضرائب همبستگی ۰.۹۷ و ۰.۷۵ و خطاهای ۰.۱۳ و ۰.۳۳ مناسب‌ترین متغیّرهای ورودی را تشکیل دادند؛ در تأخیر زمانی ۱ ماهه، بارندگی، شاخص خشکسالی SPI و شاخص اقلیمی AMO به ترتیب با ضرائب همبستگی ۰.۶۷، ۰.۷۲، ۰.۶۵ و خطاهای ۰.۳۶، ۰.۳۵ و ۰.۳۹ بهترین متغیّرهای ورودی را شامل شدند؛ در تأخیر زمانی ۲ ماهه، شاخص اقلیمی SOI با ضریب همبستگی ۰.۷۸ و خطای ۰.۳۱ به عنوان بهترین متغیّر ورودی انتخاب شد و در نهایت در تأخیر زمانی ۳ ماهه، شاخص اقلیمی AMO با ضریب همبستگی ۰.۵۹ و خطای ۰.۴۲ مناسب‌ترین متغیّر ورودی را تشکیل داد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
