مقاله ترجمه شده درباره کاربرد مدل های هوش مصنوعی برای پیش بینی شاخص تبخیر تعرق استاندارد بارندگی (SPEI) – سال 2018
مشخصات مقاله:
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
کلمات کلیدی مقاله:
آنفیس، آن، آرمیا، خشک سالی، موجک
مناسب برای رشته های دانشگاهی زیر:
مهندسی کشاورزی، مهندسی آب و کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی، مدیریت منابع آب
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
مقدمه
روش شناسی
بررسی منطقه و کسب داده
شاخص استاندارد تبخیر تعرق بارندگی (SPEI)
تبخیر تعرق بالقوه (PET)
محاسبه SPEI
ARIMA، ANN، ANFIS و مدل های تبدیل موجک گسسته
مدلهای ترکیبی
موجک (ARIMA-ANN (WAANN
سیستم استنتاج نورو- فاز پذیر موجک-سازگارپذیر (WANFIS)
ارزیابی عملکرد مدل
نتایج و بحث
آزمایشات همگنی
توسعه مدل
ارزیابی عملکرد مدل ها
نتیجه گیری
تشکر و قدردانی
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
On the basis of the long-run average precipitation (normal precipitation) for a particular basin, the declining trend of precipitation indicates the initiation of droughts (Jalalkamali et al., 2015). Low relative humidity, temperatures, high wind velocity, rainfall characteristics including intensity, duration of precipitation and the distribution of rainfall during the crop growing seasons are important features of the droughts (Mishra and Singh, 2010). It has been reported in researches that the drought-induced conditions developed seasonally in the event of El Nino (also known as the warm phase of El Nino Southern Oscillation, ENSO). El Nino is induced by the reduction of trade winds and, in tandem with the increase of earth surface temperatures, appears to occur on the average, every 3–4 years (Paz et al., 2007). Even though Malaysia receives an average of 2800 mm of precipitation annually, the country however is still subjected to prolonged dry spells; especially at the Langat River Basin, where the rapid urbanisation of the Kuala Lumpur City area has resulted in an increased demand for the freshwater supply (Pour et al., 2014). The ENSO profoundly affects the condition of climate in Malaysia and in Southeast Asia. Yusof et al. (2012) applied the Kriging method to analyse the upward and downward trends during the occurrence of droughts in Peninsular Malaysia. Their results showed that the major regions of West Malaysia are subjected to an upward trend throughout the dry season, particularly in the eastern and western regions. It is extremely imperative for the water resources department to predict the drought intensity, severity and duration. With prior awareness of the onset of droughts, appropriate actions to mitigate the consequential damages can be considered. Precise and representative drought index series about the onset, extent and the end of the drought event allows the proper drought contingency plans to be established (Subash et al., 2011).
1. مقدمه
براساس میانگین بارندگی طولانی مدت (بارندگی طبیعی) برای یک حوضچه خاص، روند کاهش بارندگی، شروع خشکسالی را نشان می دهد (جلال کمالی و همکاران، 2015). رطوبت نسبی کم، دما، سرعت باد بالا، ویژگی های بارندگی شامل شدت، مدت بارش و توزیع بارش باران در مدت فصل رشد محصول از ویژگی های مهم خشکسالی می باشد (میشرا و سینگ، 2010). در تحقیقات قبلی گزارش شده است که شرایط ناشی از خشکسالی در این دوره فصلی از El Nino ایجاد شده است (همچنین به عنوان مرحله گرم نوسان جنوبی ال نینو شناخته شده است، ENSO) ال نینیو با کاهش باد های بسامان القا می شود و با افزایش دمای سطح زمین هماهنگ باشد، به نظر می رسد به طور متوسط هر 3-4 ساله رخ می دهد (پاز و همکاران، 2007).
با وجود اینکه میزان بارندگی سالانه مالزی بطور متوسط 2800 میلیمتر است، به هرحال، کشور هنوز به دوره های طولانی مدت خشکی و تقاضا برای عرضه آب شیرین منوط می شود؛ به ویژه در حوضه رودخانه لانات، که در آن شهرنشینی سریع از شهر کوالالامپور افزایش یافته است (پور و همکاران، 2014). ENSO عمیقا تحت تاثیر شرایط آب و هوایی در مالزی و در جنوب شرقی آسیا قرار دارد. یوسف و همکاران (2012) از روش Kriging برای تجزیه و تحلیل روند نزولی و صعودی در طی وقوع خشکسالی در شبه جزیره مالزی استفاده کردند. نتایج آنها نشان داد که مناطق عمده ای در غرب مالزی منوط به روند در حال افزایش در کل فصل خشک، به ویژه در مناطق شرقی و غربی می شود. آن برای بخش منابع آب برای پیش بینی شدت، میزان و مدت زمان خشکسالی بسیار ضروری است. با آگاهی قبلی از شروع خشكسالي، اقدامات مناسب براي كاهش خسارات های مهم و سنگین می تواند بررسی شود. سری شاخص های خشکسالی دقیق و نمایشی در مورد شروع، میزان و پایان حادثه خشکسالی اجازه می دهد تا طرح های احتیاطی مناسب خشکسالی ایجاد شود (ساباش و همکاران 2011).
