نشریه علمی - پژوهشی مرتع و آبخیزداری
بررسی مدل‌های هیبریدی جنکینز- کاتالیزور SARIMA- ACOR و SARIMA- PSO به‌منظور مدل‌سازی طوفان‌های گرد و غبار (مطالعه موردی: استان خوزستان)

محمد انصاری قوجقار؛ سوسن سلاجقه؛ پریا پورمحمد

دوره 77، شماره 4 ، دی 1403، ، صفحه 542-525

https://doi.org/10.22059/jrwm.2025.386249.1791

چکیده
  این مطالعه با هدف مدل‌سازی طوفان‌های گرد و غبار با استفاده از مدل‌های هیبریدی جنکینز- کاتالیزور SARIMA- ACOR و SARIMA- PSO در استان خوزستان انجام شده است. بدین منظور از داده‌های ساعتی گرد و غبار و کد‌های سازمان جهانی هواشناسی در هفت ایستگاه سینوپتیک استان خوزستان در طول دوره آماری 40 ساله استفاده شده است. به‌منظور ارزیابی دقیق‌تر و کاش خطاهای ...  بیشتر

ارزیابی کارایی چندین روش داده‌کاوی برای پیش‌بینی تبخیر(مطالعة موردی: ایستگاه سینوپتیک یزد)

حمیده افخمی؛ اعظم حبیبی پور؛ محمد رضا اختصاصی

دوره 71، شماره 3 ، آذر 1397، ، صفحه 579-594

https://doi.org/10.22059/jrwm.2018.31403.567

چکیده
  تبخیر یکی از پارامترهای اقلیمی مهم در مناطق خشک است و نقش مهمی را در مدیریت منابع آب بازی می‌کند، به همین جهت آگاهی از مقدار تبخیر و مدل‌سازی آن به عنوان یکی از متغیرهای مهم هیدرولوژیکی در تحقیقات کشاورزی و حفاظت آب و خاک از اهمیت زیادی برخوردار است. در دهه‌های اخیر روش‌های هوش مصنوعی در تخمین و پیش‌بینی پدیده‌های غیرخطی توانایی ...  بیشتر

کاربرد شبکة عصبی مصنوعی در پیش‌بینی و شبیه‌سازی شاخص اقلیمی خشک‌سالی هواشناسی دهک بارش (مطالعة موردی: استان سیستان و بلوچستان)

آرش ملکیان؛ مه رو ده بزرگی؛ امیر هوشنگ احسانی؛ امیر رضا کشتکار

دوره 67، شماره 1 ، اردیبهشت 1393، ، صفحه 127-139

https://doi.org/10.22059/jrwm.2014.50834

چکیده
  محدودیت منابع آب ناشی از خشک‌سالی‌های متوالی، از مهم‌ترین معضلات استان سیستان و بلوچستان است.در این پژوهش برای پیش‌بینی سیکل خشک‌سالی در 9 ایستگاه هواشناسی استان سیستان و بلوچستان از شبکة عصبی مصنوعی استفاده شد. داده‌های مورد استفادة ورودی شبکه شامل بارش سالانه و شاخص دهک بارش (DPI) ایستگاه‌‌ها است که از سال 1350 تا 1379 برای آموزش ...  بیشتر

مقایسة کارایی مدل‌های آماری و مفهومی در پیش‌بینی خشک‌سالی هیدرولوژی (مطالعة موردی: حوزة آبخیز کرخه)

ام البنین بذرافشان؛ علی سلاجقه؛ احمد فاتحی مرج؛ محمد مهدوی؛ جواد بذرافشان؛ سمیه حجابی

دوره 66، شماره 4 ، اسفند 1392، ، صفحه 493-508

https://doi.org/10.22059/jrwm.2014.50026

چکیده
  خشک‌سالی پدیده‌ای است که برای پیش‌بینی آن نمی‌توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می‌کنند با استفاده از مدل‌های پیشرفته دقت پیش‌بینی‌ها را افزایش دهند. در این زمینه، مدل‌های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل‌های هیبرید می‌توانند در دقت پیش‌بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل‌های اتورگرسیو ...  بیشتر