آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,222 |
| تعداد مقالات | 15,019 |
| تعداد مشاهده مقاله | 50,482,929 |
| تعداد دریافت فایل اصل مقاله | 13,571,501 |
طبقهبندی دمایی ایستگاههای هواشناسی کشور با استفاده از خوشهبندی فازی و شبکه عصبی مصنوعی کوهونن | ||
| جغرافیا و برنامهریزی | ||
| مقاله 3، دوره 20، شماره 55، اردیبهشت 1395، صفحه 45-63 اصل مقاله (491.5 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 2 | ||
| نویسندگان | ||
| محمدعلی قربانی1؛ سرور پوربابک* 2؛ حسین جباری خامنه3؛ اسماعیل اسدی4؛ محمدحسن فاضلی فرد5 | ||
| 1دانشیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه تبریز | ||
| 2کارشناس ارشد مهندسی منابع آب، دانشکده کشاورزی، دانشگاه تبریز | ||
| 3استادیار گروه آمار و ریاضی دانشکده ریاضی، دانشگاه تبریز | ||
| 4استادیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه تبریز | ||
| 5کارشناس ارشد رشته کشاورزی گرایش منابع آب، دانشکده کشاورزی، دانشگاه تبریز | ||
| چکیده | ||
| چکیده طبقهبندی ایستگاههای هواشناسی موجب اختصاص حجم زیادی از اطلاعات به چند دسته متجانس کوچکتر، سهولت استفاده در مدلسازی و همچنین کمک شایانی به گسترش اطلاعات نقطهای به اطلاعات منطقهای برای نقاط فاقد آمار مینماید. در این تحقیق 112 ایستگاه هواشناسی پس از بررسیهای اولیه از بین تمام ایستگاههای سینوپتیک کشور انتخاب و سپس با استفاده از خوشهبندی فازی و شبکه عصبی مصنوعی کوهونن طبقهبندی دمائی آنها مورد بررسی قرار گرفت. میانگین دمای سالانه، طول جغرافیایی، عرض جغرافیایی و ارتفاع ایستگاهها بهعنوان پارامترهای ورودی معیارهای طبقهبندی در نظر گرفته شدند. تعداد بهینه خوشهها با استفاده از شاخص دیویس-بولدین، محاسبه و ایستگاههای هر خوشه به تفکیک مشخص و با کمک سیستم اطلاعات جغرافیائی روی نقشه مشخص گردید. در ادامه از پهنهبندی اقلیمی کشور بر اساس روش دمارتن جهت ارزیابی دقت هر دو روش استفاده گردید. هر چند نتایج حاکی از دقت قابل قبول هر دو روش میباشد، لیکن خوشهبندی فازی تا حدودی نسبت به شبکه عصبی کوهونن انطباق بهتری را با پهنههای اقلیمی حاصل از روش دمارتن نشان میدهد | ||
| کلیدواژه‌ها | ||
| واژگان کلیدی: طبقهبندی؛ ایستگاههای هواشناسی؛ خوشهبندی فازی؛ شبکه عصبی کوهونن | ||
| مراجع | ||
|
ـ رحـیمی، د.، ولی پور، ق.، یزدان پناه، ح. (1390)، «کاربـرد سامانـه و مجموعههای فازی در پهنهبندی دمایی (استان چهارمحال و بختیاری)»، مجله جغرافیا و برنامهریزی محیطی، سال 22، شماره پیاپی 41، صص 96-85. ـ سلطانی، آ.؛ صدوقی یزدی، ه.؛ اشک زری طوسی، س.؛ روحانی، م. (1389)، «بهبود شبکه خودسازماندهکوهونن با هدف خوشهبندی دادههای فازی»، دهمین کنفرانس سیستمهای فازی ایران، دانشگاه شهید بهشتی. ـ کورهپزان دزفولی، ا. (1387)، «اصول تئوری مجموعههای فازی و کاربردهای آن در مدلهای مسائل منابع آب»، انتشارات جهاد دانشگاهی (دانشگاه صنعتی امیرکبیر). -Dikbas F, Firat M, Koc A.cem., and Gungor M (2011), “Classification of precipitation series using fuzzy cluster method”, International Journal of Climatology, 32: 1596-1603.
-Jingyi Z and Hall M.J (2004), “Regional flood frequency analysis for the Gan-Ming river basin in China”, Journal of Hydrology, 296: 98-117.
-Holawe, F. Dutter, R. (1999), “Geostatistical study of precipitation series in Austria, Journal of Hydrology, 219: 70-82.
-Anonym, (1997), “S-PLUS4 Guides to Statistics”, Data Analysis Products Division, MathSoft, Seattle.
-Raju, K.S, and Kumar D.N. (2007), “Classification of Indian meteorological stations using cluster and fuzzy cluster analysis, and Kohonen artificial neural networks”, Nordic Hydrology, 38(3): 303-314.
-Roger M.C, Durk R, Cazemier, P. (2000), “Representing and processing uncertain soil information for mapping soil hydrological properties”, Computers and Electronics in Agriculture, 29: 41-57.
-Ross T.J. (1995), “Fuzzy Logic with Engineering Applications”, McGraw-Hill, New York. | ||
|
آمار تعداد مشاهده مقاله: 2,534 تعداد دریافت فایل اصل مقاله: 997 |
||