آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 723 |
| تعداد مقالات | 7,848 |
| تعداد مشاهده مقاله | 9,565,683 |
| تعداد دریافت فایل اصل مقاله | 9,054,269 |
تحلیل خشکسالی هواشناسی با استفاده از الگوریتم بهینهسازی ازدحام ذرات- شبکههای عصبی مصنوعی بر مبنای شاخص MSPI | ||
| دانش آب و خاک | ||
| مقاله 9، دوره 28، شماره 2، تابستان 1397، صفحه 107-120 اصل مقاله (1055 K) | ||
| نویسندگان | ||
مریم شفیعی نجد  1؛ یوسف حسن‌زاده2؛ محمد تقی اعلمی2؛ امین عبدی کردانی3
| ||
| 1دانش‌آموخته کارشناسی ارشد، گروه مهندسی عمران، پردیس خودگردان تبریز، دانشگاه تبریز | ||
| 2استاد، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز | ||
| 3دانش‌آموخته دکتری، گروه مهندسی عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز | ||
| چکیده | ||
| پدیده خشکسالی یکی از بلایای طبیعی میباشد که احتمال وقوع آن در تمام مناطق اقلیمی امکانپذیر است و در هر منطقهای که روی میدهد، باعث ایجاد آسیبهای جدی در محیط زیست و زندگی انسانها میشود. بنابراین، پیشبینی این پدیده مضر، میتواند تأثیر 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)، مشخصههای خشکسالی در حوضه آبریز لیقوانچای بهدست آمد و سپس از شبکههای عصبی مصنوعی (ANN) جهت پیشبینی شاخص فوق استفاده گردید. جهت آموزش شبکههای عصبی مصنوعی و تخمین بهینه وزنهای آن، الگوریتم بهینهسازی ازدحام ذرات (PSO) بهکار 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 آزمونهای نیکوئی برازش، میزان دقت هر یک از آنها محاسبه گردید. نتایج حاصل، برتری مدل ANN-PSO نسبت به مدل ANN-BP در پیشبینی خشکسالی را نشان داد. | ||
| کلیدواژه‌ها | ||
| الگوریتم بهینهسازی ازدحام ذرات؛ حوضه آبریز لیقوانچای؛ خشکسالی هواشناسی؛ شاخص بارندگی استانداردشده چند متغیره؛ شبکههای عصبی مصنوعی | ||
| عنوان مقاله [English] | ||
| Meteorological Drought Analysis Using Particle Swarm Optimization Algorithm- Artificial Neural Networks Based on MSPI Index | ||
| نویسندگان [English] | ||
| M Shafiei Najd1؛ Y Hassanzadeh2؛ MT Alami2؛ A Abdi Kordani3 | ||
| 1Graduate, Civil Engin. Dept., Tabriz Campus, Univ. of Tabriz, Iran | ||
| 2Prof., Water Engin. Dept., Faculity of Civil Engin., Univ. of Tabriz, Iran | ||
| 3Graduate, Water Engin. Dept., Faculity of Civil Engin., Univ. of Tabriz, Iran | ||
| چکیده [English] | ||
| The drought phenomenon is one of the natural disasters, which may occur in all climatic zones and cause serious damages to the environment and human life. So, forecasting this phenomenon may have significant impact on the water resources management and reduce its destructive effects as much as possible. In this study, the multivariate standardized precipitation index (MSPI) was utilized to compute the drought characteristics in the Lighvanchai basin and then the artificial neural network (ANN) was used to forecast the MSPI values. In order to train the ANN and estimate its optimized weights, the particle swarm optimization (PSO) algorithm was applied and its performance was compared with the backpropagation (BP) algorithm. In this context, different scenarios and structures were considered and then the goodness-of-fit tests were utilized for evaluating the accuracy of them. The results demonstrated that the ANN-PSO model had a better performance than the ANN-BP model for drought forecasting. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Neural network, Lighvan Chai Basin, Meteorological drought, Multivariate standardized precipitation index, Particle swarm optimization algorithm | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 113 تعداد دریافت فایل اصل مقاله: 162 |
||
