مقاله انگلیسی کاربرد مدل هوش مصنوعی برای پیش بینی شاخص تبخیر تعرق استاندارد بارندگی (SPEI) با ترجمه فارسی

 

دانلود رایگان مقاله انگلیسی PDF + خرید ترجمه آماده و تایپ شده ورد

 

مشخصات مقاله انگلیسی به همراه ترجمه فارسی
عنوان فارسی مقاله

کاربرد مدل های هوش مصنوعی برای پیش بینی شاخص تبخیر تعرق استاندارد بارندگی (SPEI) در حوضچه رودخانه لانگات، مالزی

عنوان انگلیسی مقاله

Application of artificial intelligence models for the prediction of standardized precipitation evapotranspiration index (SPEI) at Langat River Basin, Malaysia

چاپ شده در

مجله الزویر – Elsevier

سال انتشار

سال ۲۰۱۸

 

قسمتی از متن مقاله
بخشی از ترجمه فارسی

چکیده

پیش بینی خشکسالی برای کاهش اثرات حوادث ناشی از خشکسالی در اقتصاد، گردشگری، کشاورزی و سیستم های منابع آب حیاتی است. این مقاله مدل پیشنهادی موجک-آرمیا-آن (WAANN) و جدیدترین مدل یعنی سیستم استنتاج فازی- نورو سازگاری-موجک (WANFIS) را برای پیش بینی شاخص تبخیر تعرق استاندارد بارش (SPEI) در حوضچه رودخانه لانگات برای مقیاس زمانی مختلف (۱ ماهه، ۳ ماهه و ۶ ماه) انتخاب می کند. مدل پیش پردازش داده های ورودی با تجزیه موجک برای بهبود عملکرد مدل های پیشین انجام شد. SPEI تاریخی از سال ۱۹۷۶ تا ۲۰۰۷ در مدل های WANN و WANFIS برای پیش بینی SPEI برای دوره آزمون از ۲۰۰۸ تا ۲۰۱۵ استفاده شد. ضریب تعدیل شده تعیین (R2 adj)، خطای- مجذور- میانگین- ریشه (RMSE)، میانگین خطای مطلق (MAE)، شاخص توافق ویلیامات (d) و ضریب کارایی نکست-ساتکلیف (E) برای ارزیابی مدل ها استفاده شد. متوجه شدیم که دقت پیش بینی دو مدل با طول مقیاس زمانی بهبود یافته است. برای پیش بینی SPEI-1 (1- ماه) خطاهای مربوط به هر دو مدل نسبتا بالا بود. بر اساس مقادیر عملکرد و نمودارهای گرافیکی، مدل WAANN برای پیش بینی SPEI-3 و SPEI-6 بهتر است. مدل WANFIS پیش بینی رضایت بخش از پیش بینی خشکسالی میان مدت برای همه ایستگاه ها را دارد. مدل WANN در این مطالعه توسعه یافت، به هر حال، دقت بیشتری را برای هر دو، پیش بینی خشکسالی کوتاه مدت و میان مدت ارائه می دهد.
بخشی از متن انگلیسی

Abstract

Drought forecasting is a vital for mitigating the impact of drought events on the economy, tourism, agriculture and water resource systems. This paper adopts the proposed Wavelet-ARIMA-ANN (WAANN) model and the latest Wavelet-Adaptive Neuro-Fuzzy Inference System (WANFIS) model to predict the Standardized Precipitation Evapotranspiration Index (SPEI) at the Langat River Basin for different time scales (1-month, 3- months and 6-months). Model input data pre-processing with wavelet decomposition for improving the performance of the models was carried out apriori. The historical SPEI from 1976 to 2007 were used in the WAANN and WANFIS models for predicting the SPEI for the test period from 2008 to 2015. The Adjusted Coefficient of Determination (R2 adj), Root-Mean-Square-Error (RMSE), Mean Absolute Error (MAE), Willmott’s Index of Agreement (d) and the Nash-Sutcliffe Coefficient of Efficiency (E) were used to assess the models. It was found that the prediction accuracy of the two models improved with time scale length. For the prediction of SPEI-1 (1- month), the errors associated with both models were considered relatively high. Based on the performance measures and graphical plots, the WAANN model is better for the prediction of SPEI-3 and SPEI-6. The WANFIS model had satisfactory prediction of the mid-term drought forecasting for all stations. The WAANN model developed in this study however, gives better accuracy for both, the short-term and mid-term drought forecasting.

 

باکس دانلود مقاله
دانلود رایگان مقاله انگلیسی با فرمت pdf

دانلود رایگان مقاله انگلیسی

خرید ترجمه آماده به صورت تایپ شده با فرمت ورد doc

خرید ترجمه آماده ورد

 

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *