پیش بینی خشکسالی با استفاده از مدل فازی-عصبی، شاخص های اقلیمی، بارندگی و شاخص خشکسالی
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
خشکسالی یک رویداد طبیعی است که می تواند خسارات قابل توجهی را به زندگی بشر وارد سازد. پیش بینی خشکسالی نقش موثری را در مدیریت منابع آب ایفا می کند. در این تحقیق به منظور پیش بینی خشکسالی سه مدل ترکیبی از انواع شبکه های عصبی و تبدیل موجک ارائه شده است و سپس با استفاده از این مدل ها
تحقیق حاضر تلاشی برای پیش بینی خشکسالی یک سال بعد در شهر زاهدان با استفاده از مقادیر پیشین شاخص خشکسالی بارندگی استاندارد شده (spi) و 19 عدد از شاخصهای اقلیمی است. به این منظور از قابلیتهای سیستم استنتاج فازی- عصبی تطبیقی (anfis) برای ساخت مدل های پیش بینی و از شاخص خشکسالی spi ب
تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی
خشکسالی به عنوان یکی از مهم ترین بلایای طبیعی است که ممکن است در هر رژیم آب و هوایی اتفاق بیفتد. از آنجا که وقوع خشکسالی اجتناب ناپذیر است، بنابراین شناخت آن به منظور مدیریت بهینه منابع آب، از اهمیت بسزایی برخوردار است. از مؤثرترین عوامل در تدوین طرحهای مقابله با خشکسالی و مدیریت
سابقه و هدف: خشکسالی یکی از پیچیده ترین بلایای طبیعی در جهان است و زمانی رخ می دهد که آب قابل دسترس یک سامانه برای تامین نیازهای حداقل یکی از بخش های زیستی، اقتصادی و اجتماعی طی یک دوره زمانی قابل ملاحظه کافی نباشد. گرچه به طور کلی تعریفی جهانی از خشکسالی وجود ندارد، می توان خشکس
خشکسالی نتیجه اندرکنش بین محیط زیست و چرخه آب در طبیعت است که تهدیدی مخاطره آمیز برای محیط زیست و حیات گونه های زیستی محسوب می شود. لذا یافتن نمایه های اندازه گیری خشکسالی برای پیش بینی و ارزیابی مکانی و زمانی این پدیده به منظور مدیریت بحران آن ضرروی و حیاتی به نظر می رسد. در این