| dc.contributor.author | کماسی, مهدی | fa_IR |
| dc.contributor.author | ملک محمودی, مهدی | fa_IR |
| dc.contributor.author | منتصری, حسین | fa_IR |
| dc.date.accessioned | 1399-07-09T12:43:11Z | fa_IR |
| dc.date.accessioned | 2020-09-30T12:43:11Z | |
| dc.date.available | 1399-07-09T12:43:11Z | fa_IR |
| dc.date.available | 2020-09-30T12:43:11Z | |
| dc.date.issued | 2017-03-21 | en_US |
| dc.date.issued | 1396-01-01 | fa_IR |
| dc.date.submitted | 2016-05-25 | en_US |
| dc.date.submitted | 1395-03-05 | fa_IR |
| dc.identifier.citation | کماسی, مهدی, ملک محمودی, مهدی, منتصری, حسین. (1396). پیش بینی خشکسالی با نمایه های SPI و EDI به روش مدل سازی ANFIS بر مبنای خوشه بندی C-Mean و SC (مطالعه موردی: استان کهگیلویه و بویراحمد). هواشناسی کشاورزی, 5(1), 36-47. doi: 10.22125/agmj.2017.54982 | fa_IR |
| dc.identifier.issn | 2345-3419 | |
| dc.identifier.issn | 2588-6002 | |
| dc.identifier.uri | https://dx.doi.org/10.22125/agmj.2017.54982 | |
| dc.identifier.uri | http://www.agrimet.ir/article_54982.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/426999 | |
| dc.description.abstract | خشکسالی از جمله اصلی‌ترین و قدیمی‌ترین بلای طبیعی است که اثرات زیست محیطی مهمی را به دنبال دارد. استان کهگیلویه و بویر احمد علیرغم آنکه از لحاظ میزان بارش مقام سوم را در سطح کشور دارا میباشد، اما خشکسالی‌ها به‌طور متناوب این استان را تحت تأثیر قرار داده و خسارات بسیار سنگینی را به دنبال دارند. ﻳﺎﻓﺘﻦ نمایه‌های اندازه‌گیری ﺧﺸﮑﺴﺎﻟﻲ ﺑﺮﺍﻱ پیشبینی ﻭ ﺍﺭﺯﻳﺎﺑﻲ ﻣﮑـﺎﻧﻲ ﻭ ﺯﻣـﺎﻧﻲ ﺍﻳـﻦ ﭘﺪﻳـﺪﻩ به‌منظور ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﺁﻥ ضروری ﻭ ﺣﻴﺎﺗﻲ ﺑﻪ ﻧﻈﺮ می‌رسد. ﺩﺭ ﺍﻳﻦ پژوهش با استفاده ﺍﺯ ﻣﺒﺎﻧﻲ شبکه‌های عصبی مصنوعی (ANN) و مدل ﻋﺼﺒﻲ ﻓﺎﺯﻱ تطبیقی (ANFIS) ﺑﻪ ﻫﻤﺮﺍﻩ آنالیز خوشهبندی فازی ﺑﺮﺍﻱ پیشبینی ﺧﺸﮑﺴﺎﻟﻲ ﺑﺎ ﻧﻤﺎﻳـﻪ ﺑـﺎﺭﺵ استاندارد (SPI) و نمایه خشکسالی مؤثر (EDI) اﺳﺘﻔﺎﺩﻩ گردیده است. نتایج به دست آمده از پژوهش بیانگر آن است که نمایه SPI با ضریب صحتسنجی 0/87 نسبت به نمایه EDI با ضریب صحتسنجی 0/73 قابلیت و دقت بیشتری در پیشبینی خشکسالی دارد و از طرف دیگر راهبرد شبکه عصبی- فازی تطبیقی بر مبنای روش خوشهبندی تکراری (C-Mean) و کاهشی (SC) در امر مدل‌سازی برای پیشبینی خشکسالی از کارایی بالایی برخوردار است. نتایج نشان میدهد که خوشهبندی باعث افزایش دقت مدل‌سازی در مرحله صحتسنجی و واسنجی شده است. همچنین خوشهبندی تکراری با ضریب واسنجی 0/93 و ضریب صحتسنجی 0/87 بهترین مدل میباشد. | fa_IR |
| dc.format.extent | 1056 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | انجمن مهندسی آبیاری و آب ایران | fa_IR |
| dc.publisher | Iranian Society of Irrigation and Water Engineering | en_US |
| dc.relation.ispartof | هواشناسی کشاورزی | fa_IR |
| dc.relation.ispartof | Journal of Agricultural Meteorology | en_US |
| dc.relation.isversionof | https://dx.doi.org/10.22125/agmj.2017.54982 | |
| dc.subject | خشکسالی | fa_IR |
| dc.subject | خوشه بندی فازی | fa_IR |
| dc.subject | شبکه عصبی- فازی تطبیقی | fa_IR |
| dc.subject | کهگیلویه و بویراحمد | fa_IR |
| dc.subject | نمایه های EDI و SPI | fa_IR |
| dc.title | پیش بینی خشکسالی با نمایه های SPI و EDI به روش مدل سازی ANFIS بر مبنای خوشه بندی C-Mean و SC (مطالعه موردی: استان کهگیلویه و بویراحمد) | fa_IR |
| dc.type | Text | en_US |
| dc.contributor.department | استادیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آیت الله العظمی بروجردی (ره)، بروجرد، خرم آباد | fa_IR |
| dc.contributor.department | دانشجوی کارشناسی ارشد مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه یاسوج | fa_IR |
| dc.contributor.department | استادیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه یاسوج | fa_IR |
| dc.citation.volume | 5 | |
| dc.citation.issue | 1 | |
| dc.citation.spage | 36 | |
| dc.citation.epage | 47 | |
