پیش‌بینی بارش‌های رگباری شهر تبریز


پیش‌بینی بارش‌های رگباری شهر تبریز




وقوع بارش‌های رگباری حاصل شرایط سینوپتیکی و محیطی هست.


بررسی نقش و جایگاه زیرساخت‌ها در توسعه منطقه اکوتوریستی ولشت
در این پژوهش به منظور پیش بینی بارش‌های رگباری شهر تبریز، از داده‌های روزانه 33 سال (1980تا2013) این شهر، شبکه‌های عصبی مصنوعی و نقشه‌های سینوپتیکی هستفاده شده هست.


بررسی نقش مشارکت روستاییان در فرآیند اجرای طرح های هادی روستایی( مطالعه موردی: روستای دشتستان)
نتایج نشان می‌دهند که در منطقه مورد مطالعه در بیشتر موارد، اوج بارش‌های رگباری به ترتیب در ماه‌های اردیبهشت، فروردین و خرداد رخ می‌دهند.


ارزیابی کیفیت زندگی شهری دربافت فرسوده و برنامه‌ریزی شده (مطالعه موردی: منطقه 12 (محله سنگلج) و منطقه 2 (محله شهرک غرب))
فصل بهار نیز هم از لحاظ بارش کل و هم بارش رگباری، پربارش‌ترین فصل سال محسوب می‌شود.


نقش شورایاری در توسعه اجتماعی- فرهنگی و کاهش آسیب‌های اجتماعی در محلات شهری تهران (نمونه موردی: ناحیه2 منطقه12 شهرداری تهران)
همچنین علت وقوع بارش‌های رگباری در فصول مختلف متفاوت هست.


سنجش پایداری شهرهای کوچک در استان مازندران
اکثر بارش‌های رگباری در فصل گرم در نتیجه‌ی ناپایداری‌ محلی و در فصل سرد در نتیجه نفوذ جبهه سرد به منطقه اتفاق می‌افتند.


بررسی و ارزیابی توان شهر متراکم در افزایش عدالت اجتماعی نمونه موردی شهر بابل
در این پژوهش برای پیش‌بینی بارش رگباری به دلیل غیر خطی بودن اون از شبکه‌های عصبی مصنوعی هستفاده شده هست.


بررسی و تحلیل نقش تعاونی‌های تولید روستایی در توسعه کشاورزی پایدار منطقه مورد مطالعه: شهرستان نیشابور
در این مطالعه با هستفاده از داده‌های بارش رگباری، دما، رطوبت و سرعت باد پیش‌بینی بارش رگباری انجام شده هست.


تحلیل اثرات بازارهای جاده‌ای بر پایداری اقتصادی‌-اجتماعی روستاهای منطقه سیستان
با هستفاده از شبکه‌های عصبی مصنوعی با مدل MLP و یک لایه پنهان پیش-بینی صورت گرفته هست، که داده‌های بارش رگباری پیش‌بینی شده با چنین ساختاری ، بیشتر با واقعیت انطباق دارد.

ضریب همبستگی بین مقادیر واقعی و پیش‌بینی شده بارش رگباری توسط این مدل برابر 0/90 و ضریب تبیین برابر 0/79می‌باشد.

به طور کلی نتایج بدست آمده حاکی از عملکرد مطلوب شبکه-های عصبی مصنوعی در پیش‌بینی بارش رگباری می‌باشد.

در کل مقایسه نتایج میزان خطا در روش شبکه‌های عصبی با روش‌های رگرسیون حاکی از برتری مدل شبکه‌های عصبی مصنوعی در پیش‌بینی بارش رگباری می‌باشد.

نتایج این پژوهش می‌توانند برای مقاصد مهمی از جمله مدیریت منابع آب، تامین آب برای فعالیت های کشاورزی و صنعتی، مصارف جوامع انسانی، مشخص کردن وقت وقوع سیلاب‌ها و جلوگیری از خسارات شدید کارایی داشته باشند.




78 out of 100 based on 43 user ratings 68 reviews