[صفحه اصلی ]   [Archive] [ English ]  
:: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 14، شماره 42 - ( 7-1397 ) ::
جلد 14 شماره 42 صفحات 1-9 برگشت به فهرست نسخه ها
عملکرد مدل های AR4 و ATR در شبیه سازی پارامتر های اقلیمی با شبکه عصبی مصنوعی مطالعه موردی: حوزه آبخیز سزار
محمد قدمی دهنو ، دکتر مسعود گودرزی، دکتر سعید سلطانی، سهراب نادری، وحید کاکاپور
دانشگاه صنعتی اصفهان
چکیده:   (67 مشاهده)
در پژوهش حاضر عملکرد 6 مدل گردش عمومی جو به نام های HADCM3، CGCM3، CSIROMK3 (از مجموعه مدل های AR4) و CGCM1، GFDL30، NCARPCM (از مجموعه مدل های ATR) در شبیه سازی پارامتر های اقلیمی دمای میانگین و بارش حوزه سزار با استفاده از شبکه عصبی مصنوعی (ANN) مورد ارزیابی قرار گرفتند. برای آموزش شبکه عصبی مصنوعی از مدل پرسپترون forward استفاده شد. مطابق با ارزیابی عملکرد مدل ها با استفاده از ضرایب حداکثر خطای مطلق ، میانگین قدر مطلق خطا ، جذر میانگین مربعات و ضریب تبیین، در بین دو مجموعه مدل AR4 و ATR، به طور میانگین مدل های AR4 عملکرد بهتری نسبت به مدل های ATR دارند و این مدل ها عدم قطعیت کمتری در شبیه سازی پارامتر های اقلیمی دمای میانگین و بارش برای حوزه سزار در دوره 2000-1996 دارند. در بین 6 مدل ذکر شده ، مدل CGCM3 بهترین عملکرد را در شبیه سازی پارامتر های اقلیمی برای حوزه سزار دارد. این مدل همراه با HADCM3 کمترین اختلاف را با پارامتر های اقلیمی مشاهداتی دارند. همچنین نتایج نشان داد که مدل CSIROMK3.0 و CGCM1 بیشترین اختلاف را با پارامتر های اقلیمی مشاهداتی دارند.
واژه‌های کلیدی: عدم قطعیت، شبکه عصبی مصنوعی، مدل پرسپترون، AR4 و ATR
متن کامل [PDF 1109 kb]   (3 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۴/۲/۱۰ | پذیرش: ۱۳۹۵/۶/۱۹ | انتشار: ۱۳۹۷/۷/۱۸
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

ghadami dehno M, Goodarzi M, Soltani S, naderi S, kakapor V. Performance of the AR4 and ATR Models in the Simulation of Climatic Parameters with Artificial Neural Network (Case Study: Watershed Cezar). jwmseir. 2018; 14 (42) :1-9
URL: http://jwmsei.ir/article-1-458-fa.html

قدمی دهنو محمد، گودرزی مسعود، سلطانی سعید، نادری سهراب، کاکاپور وحید. عملکرد مدل های AR4 و ATR در شبیه سازی پارامتر های اقلیمی با شبکه عصبی مصنوعی مطالعه موردی: حوزه آبخیز سزار. مجله علوم ومهندسی آبخیزداری ایران. 1397; 14 (42) :1-9

URL: http://jwmsei.ir/article-1-458-fa.html



دوره 14، شماره 42 - ( 7-1397 ) برگشت به فهرست نسخه ها
مجله علوم ومهندسی آبخیزداری ایران Iranian Journal of Watershed Management Science and Engineering
Persian site map - English site map - Created in 0.06 seconds with 31 queries by YEKTAWEB 3764