پیش بینی شاخص خشک سالی هیدرولوژیکی SDI با استفاده از شبکه عصبی مصنوعی GRNN و مدل GPR در حوضه آبریز لیقوان چای
محل انتشار: یازدهمین سمینار بین المللی مهندسی رودخانه
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 558
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IREC11_234
تاریخ نمایه سازی: 27 تیر 1398
چکیده مقاله:
یکی از مخاطرات طبعیی که نتایج و آثار آن بر حوزه های اجتماعی، سیاسی و اقتصادی اثرگذار می باشد خشک سالی است که خود می تواند سبب یک فاجعه گردد، به دلیل اهمیت پیش بینی خشک سالی در این پژوهش با استفاده از شاخص جریان رودخانه ای SDI توسط شبکه عصبی مصنوعی GRNN و مدل GPR پیش بینی خشک سالی حوزه آبریز لیقوان چای مورد بررسی قرار گرفت و از پارامترهای جهت تحلیل استفاده گردید. نتایج حاصل نشان داد که مدل GPR با ضریب تبیین برابر 0/940 ومدل GRNN با ضریب تبیین برابر 0/925 از عملکرد خوب و قابل قبولی در پیش بینی خشک سالی هیدرولوزیکی در 245 ماه برخوردار هستند.
نویسندگان
علیرضا صدیق
دانش آموخته کارشناسی ارشد سازه های آبی دانشگاه شهید چمران
مسعود کرباسی
دانشیار گروه سازه های آبی دانشکده کشاورزی دانشگاه زنجان