هدف تحقیق حاضر، پیشبینی خشکسالیهای پاییزهی زاهدان به وسیله متغیّرهای ورودی مختلف میباشد. این متغیّرها عبارتند از: بارندگی، مقادیر پیشین شاخص خشکسالی SPI و 19 عدد از شاخصهای اقلیمی. برای این منظور، میانگین سه ماهه اکتبر- نوامبر- دسامبر شاخص خشکسالی SPI به عنوان متغیّر خروجی انتخاب شد. سپس هرکدام از متغیّرهای ورودی یاد شده، در تأخیرهای زمانی صفر، 1، 2 و 3 ماهه (به ترتیب میانگین سه ماهه اکتبر-نوامبر-دسامبر، سپتامبر-اکتبر- نوامبر، آگوست- سپتامبر- اکتبر و ژولای-آگوست- سپتامبر) وارد مدل شدند. مدلهای پیشبینی نیز با استفاده از مدل فازی- عصبی ANFIS توسعه داده شدند. بر اساس نتایج بهدست آمده، در تأخیر زمانی صفر، بارندگی و شاخص اقلیمی Nino3 به ترتیب با ضرائب همبستگی 0.97 و 0.75 و خطاهای 0.13 و 0.33 مناسبترین متغیّرهای ورودی را تشکیل دادند؛ در تأخیر زمانی 1 ماهه، بارندگی، شاخص خشکسالی SPI و شاخص اقلیمی AMO به ترتیب با ضرائب همبستگی 0.67، 0.72، 0.65 و خطاهای 0.36، 0.35 و 0.39 بهترین متغیّرهای ورودی را شامل شدند؛ در تأخیر زمانی 2 ماهه، شاخص اقلیمی SOI با ضریب همبستگی 0.78 و خطای 0.31 به عنوان بهترین متغیّر ورودی انتخاب شد و در نهایت در تأخیر زمانی 3 ماهه، شاخص اقلیمی AMO با ضریب همبستگی 0.59 و خطای 0.42 مناسبترین متغیّر ورودی را تشکیل داد.
پیشبینی خشکسالی با استفاده از مدل فازی-عصبی، شاخصهای اقلیمی، بارندگی و شاخص خشکسالی
2012
Aufsatz (Zeitschrift)
Elektronische Ressource
Unbekannt
Metadata by DOAJ is licensed under CC BY-SA 1.0
شبیه سازی خشکسالی با استفاده از دو مدل تلفیقی CEEMD-GPR و GPR-GARCH (مطالعه موردی: شمالغرب ایران)
DOAJ | 2021
|ارزیابی وضعیت حاصلخیزی خاک در دیمزارهای شمالغرب ایران با استفاده از ارزش شاخص عناصر غذایی (NIV)
DOAJ | 2020
بررسی پارامترهای تأثیرگذار بر پایداری خودرو و بهینهسازی چندهدفه شاخصهای دینامیکی آن
DOAJ | 2022
|پهنه بندی اقلیمی کشاورزی کشت مرکبات در استان خوزستان با روش فرآیند تحلیل سلسله مراتبی
DOAJ | 2016
|