جستجو در مقالات منتشر شده


1 نتیجه برای شبکه عصبی خودسازمانده

علی شاهبایی کوتنایی، حسین عساکره،
جلد 27، شماره 1 - ( 3-1402 )
چکیده

بارش یکی از عناصر اصلی چرخۀ هیدرواقلیمی کرۀ زمین است که چگونگی تغییرپذیری آن تابع روابط پیچیده و غیرخطی بین سامانۀ اقلیم و عوامل محیطی است. شناخت این روابط و انجام برنامه‌ریزی‌های محیطی بر مبنای آنها در حالت عادی امری دشوار بوده و در نتیجه طبقه‌بندی داده‌ها و تقسیم اطلاعات به دسته‌های متجانس و کوچک می‌تواند در این زمینه کمک‌کننده باشد. در پژوهش حاضر تلاش شد تا داده‌های بارش، ارتفاع‌، شیب‌، جهت دامنه‌ها و تراکم ایستگاهی برای 3423 ایستگاه همدید، اقلیم‌شناسی و باران‌سنجی ایران در دوره ی 1961-2015 به مدل‌های فازی (FCM) و شبکه عصبی خودسازمانده (SOM-ANN) وارد و ضمن انجام پهنه‌بندی بارشی– محیطی، خروجی‌های دو مدل از لحاظ دقت و کارایی مورد مقایسه قرار گیرد. نتایج حاصل از خروجی مدل‌ها، شرایط بارشی ایران را در ارتباط با عوامل محیطی به چهار پهنه تقسیم‌بندی کرده است. همچنین، بررسی شاخص‌های ارزیابی نشان داد هر دو مدل از دقت بالایی در امر طبقه‌بندی فراسنج بارش برخوردار هستند؛ با این حال مدل فازی از لحاظ دقت نتایج برتری نسبی به مدل شبکۀ عصبی دارد.


صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به مجله علوم آب و خاک دانشگاه صنعتی اصفهان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | JWSS - Isfahan University of Technology

Designed & Developed by : Yektaweb