تعداد نشریات | 161 |
تعداد شمارهها | 6,533 |
تعداد مقالات | 70,506 |
تعداد مشاهده مقاله | 124,125,230 |
تعداد دریافت فایل اصل مقاله | 97,233,719 |
پیش بینیِ بارندگی ماهانه با استفادة مستقیم از موجک و شبکة عصبی موجکی | ||
نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
مقاله 9، دوره 68، شماره 3، مهر 1394، صفحه 553-571 اصل مقاله (1.57 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jrwm.2015.56137 | ||
نویسندگان | ||
پریوش طوفانی1؛ احمد فاخری فرد2؛ ابوالفضل مساعدی* 3؛ امیر احمد دهقانی4 | ||
1کارشناسارشد مهندسی منابع آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان | ||
2استاد، گروه مهندسی آب دانشگاه تبریز | ||
3استاد دانشکدة منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد | ||
4دانشیار گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان | ||
چکیده | ||
برآورد و پیشبینی بارش اهمیت ویژهای دارد. به دلیل نبود قطعیت، هیچ یک از مدلهای آماری و مفهومی نتوانستهاند به منزلة یک مدل برتر در الگوسازی دقیق بارش شناخته شوند. اخیراً، به کاربردِ موجک در آنالیز سیگنالها و سریهای زمانی در هیدرولوژی توجه شده است. در این تحقیق، سیگنال بارندگی با استفاده از موجک مادر منتخب تجزیه شد و دادههای بهدستآمده با دو روش برازش معادلات مستقیم و هیبرید عصبی- موجکی برای پیشبینی استفاده شد. روش مذکور در پیشبینی بارندگیِ ماهانة 33 سال ایستگاه زرینگل از سال آبی 1354 ـ 1355 تا 1386 ـ 1387 بهکار گرفته شد و نتایج با یکدیگر مقایسه شد. نتایج نشان داد تجزیة سیگنال با موجک به طور قابل ملاحظهای موجب افزایش همبستگی میان دادههای مشاهداتی و محاسباتی میشود و سیگنالِ بارندگی با دقت بیشتری پیشبینی میشود؛ به طوری که در روش مستقیم میزان R2برابر با 74/0 و در روش هیبرید عصبی- موجکی در بهترین حالت برای چهار سطح تجزیه برابر 95/0 است. این نتیجه قدرت موجک در سادهسازی سیگنال و افزایش دقت پیشبینی دادههای کاملاً تصادفی بارندگی را در منطقة مورد نظر تأیید میکند. ضمن آنکه، معنیدار نبودن تست Fدر سطح 90 درصد و بالاتر تأیید دیگری بر این مطلب است. | ||
آمار تعداد مشاهده مقاله: 1,620 تعداد دریافت فایل اصل مقاله: 1,087 |