این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
جمعه 21 آذر 1404
آب و فاضلاب
، جلد ۲۴، شماره ۴، صفحات ۹۰-۱۰۲
عنوان فارسی
پیشبینی خشکسالی با نمایه SPI بهروش مدلسازی ANFIS بر مبنای خوشهبندی C-mean فازی
چکیده فارسی مقاله
خشکسالی نتیجه اندرکنش بین محیط زیست و چرخه آب در طبیعت است که تهدیدی مخاطره آمیز برای محیط زیست و حیات گونههای زیستی محسوب میشود. لذا یافتن نمایههای اندازهگیری خشکسالی برای پیش بینی و ارزیابی مکانی و زمانی این پدیده بهمنظور مدیریت بحران آن ضرروی و حیاتی بهنظر میرسد. در این مقاله ابتدا به بیان مفهوم خشکسالی و مقایسه نمایههای اندازهگیری آن پرداخته شد و سپس از مبانی شبکههای عصبی- فازی بههمراه آنالیز خوشهبندی برای پیش بینی خشکسالی با نمایه بارش استاندارد استفاده شد. نتایجی حاکی از آن است که نمایه SPI قابلیت بیشتری در پیشبینی نسبت به نمایههایی چون پالمر، پالفی و دیگر نمایهها دارد و از سویی راهبرد شبکه عصبی- فازی تطبیقی بر مبنای روش خوشهبندی C-mean در امر مدلسازی برای پیشبینی خشکسالی از کارایی بالایی برخودار است.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Drought Forecasting by SPI Index and ANFIS Model Using Fuzzy C-mean Clustering
چکیده انگلیسی مقاله
Drought is the interaction between environment and water cycle in the world and affects natural environment of an area when it persists for a longer period. So, developing a suitable index to forecast the spatial and temporal distribution of drought plays an important role in the planning and management of natural resources and water resource systems. In this article, firstly, the drought concept and drought indexes were introduced and then the fuzzy neural networks and fuzzy C-mean clustering were applied to forecast drought via standardized precipitation index (SPI). The results of this research indicate that the SPI index is more capable than the other indexes such as PDSI (Palmer Drought Severity Index), PAI (Palfai Aridity Index) and etc. in drought forecasting process. Moreover, application of adaptive nero-fuzzy network accomplished by C-mean clustering has high efficiency in the drought forecasting.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
مهدی کماسی |
دانشجوی دکترا، دانشکده مهندسی عمران، دانشکده تبریز
محمدتقی اعلمی | mohammad taghi
دانشیار، دانشکده مهندسی عمران، دانشگاه تبریز
سازمان اصلی تایید شده
: دانشگاه تبریز (Tabriz university)
وحید نورانی |
دانشیار، دانشکده مهندسی عمران، دانشگاه تبریز
سازمان اصلی تایید شده
: دانشگاه تبریز (Tabriz university)
نشانی اینترنتی
http://www.wwjournal.ir/article_3196_7203226c188c199588a9672dc2eb3621.pdf
فایل مقاله
فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات