این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های آبخیزداری، جلد ۳۶، شماره ۲، صفحات ۱۸-۳۵
عنوان فارسی پیش‌بینی خشک‌سالی با استفاده از سامانه‌ی بهره وری عصبی حالتی سازگار با محاسبه‌ی عددی فراابتکاری کلونیِ مورچه‌ها درآبخیزِ زابل
چکیده فارسی مقاله مقدمه و هدفاستفاده از شبیه‌سازی­ های ترکیب شده با نمایه‌ی خشک‌سالی دقت پیش ­بینی را افزایش می­ دهد. رویکرد اکتشافی زمینه­ ی هشدار اثرهای خشک‌سالی و امکان ساز و کارهای حمایت­ مالی و بیمه ­ای جوامع محلی را فراهم می­ کند. مهم­ترین بخش، کاهش آثار خشک‌سالی و بهبود دقت سامانه ­های پیش‌بینی‌کننده است.مواد و روش‌هادر این پژوهش دقت شبیه‌سازی جدید انفیس ترکیب‌شده با محاسبه‌ی عددی فراابتکاری کلونی مورچه‌ها در پیش‌بینی خشک‌سالی با شبیه‌سازی انفیس معمولی مقایسه شد. عملکرد شبیه‌سازی با استفاده از خطای جذر میانگین مربع­ ها، میانگین مطلق خطا و ضریب تعیین ارزیابی ­شد.نتایج و بحثاعتبارسنجی شبیه‌سازی در نمایه‌ی 3 ماهه نشان داد اندازه‌ی خطای مطلق و خطای جذر میانگین مربع‌ها در ایستگاه زابل با کاربرد شبیه‌سازی انفیس کمتر است. در این پژوهش در آبخیز زابل، شبیه‌سازی‌های انفیس (سامانه‌ی بهره­ وری عصبی حالتی سازگار) و انفیس همراه با محاسبه­ ی عددی فراابتکاریِ کلونی مورچه‌ها برای پیش‌بینی خشک‌سالی بررسی شد. نتایج نشان داد که پیش ­بینیِ خشک‌سالی با استفاده از داده­ های بارش ماهانه­ ی ایستگاه­ های هم­دید زابل (1399-1362)، زهک (1399-1373) و روش بهینه سازیِ کلونی مورچه­ ها سبب بهبود عملکرد شبیه‌سازی انفیس شده است. اندازه‌ی آزمون ضریب تعیین پیش­ بینی شبیه‌سازی انفیس همراه با محاسبه‌ی عددی فراابتکاری کلونی مورچه­ ها در بازه­ های 3، 6، 9 و 12 ماهه، به­ ترتیب برابر با 0/738، 0/854، 0/801 و 0/898 در ایستگاه زابل و 0/792، 0/804، 0/759 و 0/887 در ایستگاه زهک بود. علاوه بر این شبیه‌سازی انفیس-کلونی مورچه‌ها ضریب تعیین بالاتری داشت. اعتبارسنجی شبیه‌سازی نمایه‌ی 3 ماهه شبیه‌سازی انفیس-کلونی مورچه‌ها اندازه‌ی خطای مطلق و خطای جذر میانگین مربع‌ها کمتر و ضریب تعیین آن بالاتر بود. در ایستگاه زهک نیز شبیه‌سازی انفیس در آموزش 3 ماهه دقت بالاتری داشت، اما در بخش اعتبارسنجی برتری با شبیه‌سازی انفیس-کلونی مورچه‌ها بود. به‌طورکلی در نمایه­ی SPI سه ماهه، آموزش شبیه‌سازی انفیس دقت بالاتری داشت اما در اعتبارسنجی شبیه‌سازی انفیس-کلونی مورچه‌ها برتری داشت.نتیجه ­گیری و پیشنهادهابهینه ­سازی با کاربرد کلونی مورچه‌ها مبتنی بر جمعیت داده ­ها به ­تدریج راه ­حل­ های پیشنهاد شده را به راه­ حل بهینه‌ی سراسری نزدیک می­ کند. این مسئله سبب افزایش کارایی محاسبه‌ی عددی کلونی مورچه‌ها در مقایسه با انفیس در پیش‌بینی خشک‌سالی شد. شبیه‌سازی انفیس ترکیب شده با کلونی مورچه‌ها خصوصیت کارایی برای مسائلی با مقیاس بزرگ در زمان کوتاه از روش خود تنظیمی پیشنهاد ­داد. این خصوصیت ­ها برای داده­ های طبیعی دارای الگوی هندسی نامنظم و یا داده ­های ثبت شده با حجم بالا هزینه‌ی محاسباتی را کاهش ­دادند. شبیه‌سازی­ هایی که بهینه ­سازی می­ کنند در نقاط بهینه محلی دچار خطا می­ شوند. این در حالی است که شبیه‌سازی انفیس-کلونی مورچه‌ها فضای شبیه‌سازی­ برای پیش ­بینی خشک‌سالی را سراسری ارزیابی ­کرد. مقایسه‌ی شبیه‌سازی انفیس با محاسبه‌ی عددی­ های دیگر و انتخاب بهترین شبیه‌سازی برای آبخیز زابل پیشنهاد می‌شود.
کلیدواژه‌های فارسی مقاله انفیس، پیش بینی، خشک‌سالی، کلونی مورچه ها، نمایه‌ی بارش میزان شده،
عنوان انگلیسی Drought Prediction Using Compatible Adaptive Neuro Fuzzy Inference System with the Ant Colony Optimization Algorithm in Zabol Watershed
چکیده انگلیسی مقاله Introduction and Objective The use of simulations combined with the drought index enhances forecast accuracy. The exploratory approach provides the scope for drought warning and the opportunity for financial support and insurance mechanisms for local communities. The most important part related to the reduction of the effects of drought is the improvement of the precision of forecasting systems.Materials and Methods In this research, the precision of the new Anfis Simulation combined with the meta-heuristics of ant colonies in drought prediction is compared to the normal ANFIS Simulation. Simulation performance is estimated using the Mean Squared Error, Mean Absolute Error and Coefficient of Determination.Results and Discussion Validation of the simulation in the three month profile shows that the Absolute Error Value and the Root Mean Square Error in the Zabol Station are lower by Anfis Simulation. This article examines the Compatible Adaptive Neuro Fuzzy Inference System (ANFIS) and ANFIS models with Ant Colony Optimization Algorithm (ANFIS-ACOR) for drought forecasting. Drought forecasting was done using monthly precipitation data from synoptic stations Zabol (1983-2020) and Zahak (1994-2020). The results showed (ANFIS-ACOR) improved the performance of the Adaptive Neuro Fuzzy Inference System. The model predictive correlation test (ANFIS-ACOR) values in the 3, 6, 9 and 12-month intervals are equal to 0.738, 0.854, 0.801 and 0.898 at the Zabol Station. As well 0.792, 0.804, 0.759 and 0.887 at Zahak Station, respectively. In addition, Anfis Simulation-ant colony has a higher coefficient of determination. Validation of the simulation related to the three-month profile of Anfis-ant Colony Simulation showed that the absolute error and the Root Mean Square Error are lower and the coefficient of determination is higher. In the Zahak Station, the Anfis Simulation is more accurate in the 3-month formation, but in the validation section, the Anfis-ant Colony Simulation is superior. Overall, in the three-month SPI profile, Aanfis Simulation training is more accurate, but Anfis Colony Simulation is superior in validation.Conclusion and Suggestions Ant colony optimization as a function of the data population progressively brings the proposed solutions closer to the overall optimal solution. This problem increased the efficiency of the numerical calculation of the ant colony compared with the Anfis in predicting drought. Anfis Simulation in combination with ant colony provides efficiency for large-scale problems in a short time by auto-tuning. These features reduce the cost of calculating natural data with irregular geometric pattern or data recorded in high volume. Simulations which optimize will fail at the local optimum level. Anfis-Ant Colony Simulation evaluates simulation space for predicting droughts on a global scale. This research proposes to compare the Anfis Simulation with other numerical calculations and to choose the best simulation for the Zabol Watershed.
کلیدواژه‌های انگلیسی مقاله انفیس, پیش بینی, خشک‌سالی, کلونی مورچه ها, نمایه‌ی بارش میزان شده
نویسندگان مقاله پیام ابراهیمی |
استادیارِ بخشِ تحقیقاتِ جنگل و مرتع و آبخیزداریِ مرکز تحقیقات و آموزشِ کشاورزی و منابع طبیعی سیستان، سازمانِ تحقیقات، آموزش و ترویجِ کشاورزی، زابل، ایران

نشانی اینترنتی https://wmrj.areeo.ac.ir/article_127662_36f85f91ca220fe630785abbbb8a1b33.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات