NATIONAL BIBLIOGRAPHY NUMBER
Number
۱۰۷۶پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
per
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
پیش‌بینی شاخص بارندگی استاندارد شده با استفاده از شبکه‌های عصبی مصنوعی
First Statement of Responsibility
/محمد واقف قزوینیان
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: عمران
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۲۶ص.
Other Physical Details
: مصور، جدول، نمودار، عکس۳۰*۲۹س.م-+ یک لوح فشرده
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
INTERNAL BIBLIOGRAPHIES/INDEXES NOTE
Text of Note
واژه نامه بصورت زیر نویس
Text of Note
کتابنامه ص.: ۱۱۱-۱۲۴
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
عمران-آب
Date of degree
۱۳۸۹/۱۱/۱۹
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
خشکسالی به عنوان یک حادثه ناگوار طبیعی، در اثر تغییر اقلیم پدیدار می‌گردد و جوامع را به طور مستقیم و غیرمستقیم، از طریق تغییرات در دسترسی به منابع آب تحت تاثیر قرار می‌دهد .درصورتیکه خشکسالی به مدت طولانی ادامه پیدا کند، آثار نامطلوبی را در محیط زیست و زندگی انسان‌ها بر جای می‌گذارد .یکی از راهکارهای کاهش آثار مخرب پدیده خشکسالی، پیش‌بینی رخداد آن در آینده می‌باشد که نقش بسیار مهمی را در مدیریت بحران خشکسالی و سیستم‌های منابع آب ایفا می‌کند.از روش‌های موثر جهت پیش‌بینی فرآیندهای هیدرولوژیکی به ویژه پدیده خشکسالی، استفاده از شبکه‌صهای عصبی مصنوعی می‌صباشد که طی دهه‌صهای اخیر، به طور گسترده جهت پیش‌بینی و مدل‌صسازی فرآیندهای مختلف بکار رفته است .در این تحقیق سعی شده است که جهت پیش‌صبینی شاخص بارندگی استاندارد شده(SPI) ، از مدل‌های مختلف شبکه‌های عصبی مصنوعی استفاده شود .بنابراین برای انجام اینکار از داده‌صهای هواشناسی مختلفی همچون بارش، سرعت باد، رطوبت، ساعات آفتابی و همچنین اطلاعات خود شاخص در ماه‌های قبل بهره گرفته شده و در نهایت این نتیجه برداشت می‌شود که استفاده توامان از ورودی‌های فوق در شبکه‌های عصبی مصنوعی، سبب بهبود نتایج حاصل از پیش‌بینی شاخص بارندگی استاندارد شده در بازه‌صهای زمانی مختلف می‌شود.
Text of Note
Drought is a natural hazard that associate from climate changes and affects all landscapes in utilizing water resources directly or indirectly. when it persists for a long period of time, affects both in natural environment of an area and human lives.Forecasting possible drought, is one of approaches to help to mitigate its affects, Therefore drought forecasting plays an important role in drought risk management and planning water resource systems.The method of Artificial Neural Networks is one of the most effective methods to forecast hydrological processes particularly drought events, and have shown great ability in modeling and forecasting during last decades .In this study different models of Artificial Neural Networks were applied to forecast drought using Standardized Precipitation Index (SPI). So, different meteorological parameters like precipitation, wind velocity, humidity percentage, sunny hours and the SPI for past months were used.It can be concluded that using these parameters together could improve the rusults of SPI forecasting, in different time scales.
TOPICAL NAME USED AS SUBJECT
Forecasting
Drought
Standardized Precipitation Index
Artificial Neural Networks
PERSONAL NAME - PRIMARY RESPONSIBILITY
قزوینیان، محمد واقف
PERSONAL NAME - SECONDARY RESPONSIBILITY
حسن زاده، یوسف، استاد راهنما
اعلمی، محمد تقی، استاد مشاور
ELECTRONIC LOCATION AND ACCESS
Public note
سیاه و سفید
نمایه‌سازی قبلی
