عنوان مقاله :
تخمين خشكسالي با نمايه‌هاي SPI و EDI با استفاده از شبكه عصبي مصنوعي- فازي بهينه شده با الگوريتم بهينه سازي ازدحام ذرات (مطالعه موردي: استان كهگيلويه و بويراحمد)
عنوان به زبان ديگر :
No Title
پديد آورندگان :
ملك محمودي، مهدي دانشگاه ياسوج - دانشكده فني و مهندسي، ياسوج، ايران , كماسي، مهدي داﻧﺸﮕﺎه آﯾﺖ اﷲ ﺑﺮوﺟﺮدي - ﮔﺮوه ﻣﻬﻨﺪﺳﯽ ﻋﻤﺮان، ﺑﺮوﺟﺮد، اﯾﺮان , جعفري اصل، جعفر دانشگاه سيستان و بلوچستان - دانشكده مهندسي شهيد نيكبخت، زاهدان، ايران , اوحدي، سيما دانشگاه سيستان و بلوچستان - دانشكده مهندسي شهيد نيكبخت، زاهدان، ايران
كليدواژه :
ﺧﺸﮑﺴﺎﻟﯽ , اﻟﮕﻮرﯾﺘﻢ ازدﺣﺎم ذرات , شبكه ﻋﺼﺒﯽ _ ﻓﺎزي ﺗﻄﺒﯿﻘﯽ , ﮐﮭﮕﯿﻠﻮيه و ﺑﻮﯾﺮاﺣﻤﺪ , ﻧﻤﺎيه ھﺎي EDI و SPI
چكيده فارسي :
خشكسالي يكي از اصلي‌ترين و قديمي‌ترين بلاي طبيعي است كه عواقب زيست محيطي مهمي را به در پي دارد. در واقع ميزان خشكسالي مقايسه نسبي بين ميزان بارندگي هر منطقه در آن سال با ميانگين بارندگي در سالهاي گذشته ميباشد. استان كهگيلويه و بويراحمدگر چه از نظر ميزان بارش داراي جايگاه سوم در كشور ميباشد اما خشكسالي‌ها به‌طور متناوب اين استان را تحت تاثير قرار داده و خسارات جبران ناپذيري را به دنبال دارند. استفاده از نمايه‌هاي اندازه‌گيري ﺧﺸﮑﺴﺎﻟﻲ ﺑﺮﺍﻱ پايش ﻭ ﺍﺭﺯﻳﺎﺑﻲ ﻣﮑـﺎﻧﻲ ﻭ ﺯﻣـﺎﻧﻲ ﺍﻳـﻦ ﭘﺪﻳـﺪﻩ بهجهتش ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﺁﻥ ضروري ﻭ ﺣﻴﺎﺗﻲ ﺑﻪ ﻧﻈﺮ مي‌رسد. ﺩﺭ ﺍﻳﻦ پژوهش ﺍﺯ شبكه‌هاي عصبي مصنوعي (ANN) و مدل ﻋﺼﺒﻲ ﻓﺎﺯﻱ تطبيقي (ANFIS) ﺑﺮﺍﻱ پيشبيني ﺧﺸﮑﺴﺎﻟﻲ ﺑﺎ ﻧﻤﺎﻳـﻪ ﺑـﺎﺭﺵ استاندارد (SPI) و نمايه خشكسالي موثر (EDI) اﺳﺘﻔﺎﺩﻩ گرديده است بر اساس مطالعات نمايه هاي SPI و EDI قابليت بيشتري در پيشبيني ﻧﺴﺒﺖ ﺑﻪ ﻧﻤﺎﻳﻪﻫﺎﻳﻲ ﭼﻮﻥ ﭘﺎﻟﻤﺮ، ﭘﺎﻟﻔﻲ ﻭ ﺩﻳﮕﺮ ﻧﻤﺎﻳﻪﻫﺎ ﺩﺍﺭند. نتايج اين پژوهش حاكي از آن است كه نمايه SPI قابليت و دقت بالاتري نسبت به نمايه EDI در پيشبيني خشكسالي دارد و از طرفي مدل شبكه عصبي- فازي تطبيقي بهينه‌شده (PSO-ANFIS) جهت پيشبيني خشكسالي از كارايي بالايي برخوردار است. نتايج نشان ميدهد كه بهينه شده موجب افزايش دقت مدلسازي در مرحله صحت‌سنجي و واﺳﻨﺠﯽ ﺷﺪه اﺳﺖ ھﻤﭽﻨﯿﻦ ﻣﺪل ﺑﺎ ﺿﺮﯾﺐ واﺳﻨﺠﯽ 0/97 و ﺿﺮﯾﺐ ﺻﺤ ﺖ ﺳﻨﺠﯽ 0/86 ﺑﮭﺘﺮﯾﻦ ﻣﺪل ﻣﯽﺑﺎﺷﺪ.
چكيده لاتين :
No abstract
عنوان نشريه :
علوم جغرافيايي
