جستجو در مقالات منتشر شده


4 نتیجه برای انتظاری

علیرضا انتظاری، جـواد حدادنیـا‌، مرتضی جعفرزاده، ابـراهیم کورونـدی‌،
دوره 1، شماره 3 - ( بهار 1390 )
چکیده

در این مطالعه با استفاده از داده‌های دمای حداقل روزانه، در دوره‌ی آماری ٢١ ساله‌ی به پیش‌بینی یخبندان‌های استان کرمانشاه با استفاده از شبکه‌های عصبی پرداخته شده است. داده‌های مورد استفاده از طریق تابعی یک به یک و پوشا به منظور تعیین معیاری جهت پیش‌بینی یخبندان به مقادیر بین صفر و یک تبدیل شده و از شبکه پیش رو با یک لایه میانی مخفی با تعداد نورون‌های متغیر برای هر یک از ایستگاه‌ها به پیش‌بینی و بالاخره تعیین بازه‌های یخبندان پرداخته شد. الگوریتم مورد استفاده در این پژوهش، پس انتشار با روش آموزش دسته‌ای و توابع انتقال Satlins، Logsig و Satlin بوده است. تعیین بازه‌های یخبندان و بدون یخبندان در هر یک از ایستگاه‌های سینوپتیک و پیش‌بینی یخبندان‌های زودرس و دیررس از نتایج این مطالعه بوده و شبکه طراحی شده بین 72.22 تا 80.55 درصد برای هر ایستگاه همگرایی داشته است. نتایج نشان می‌دهد با توجه به محدودیت داده‌ها، شبکه‌های عصبی MLP توانایی مطلوبی در پیش‌بینی و تخمین یخبندان‌ها دارد.
علیرضا انتظاری، ، ابوالقاسم امیراحمدی، عاطفه عرفانی، اکرم برزویی،
دوره 3، شماره 9 - ( سال سوم، شماره نهم و دهم، پاییز و زمستان 1391 1391 )
چکیده


مهدی اسدی، دکتر علیرضا انتظاری، مهندس الهه اکبری،
دوره 4، شماره 14 - ( سال چهارم،شماره چهاردهم،زمستان 1392 1392 )
چکیده

محدودیت ذخایر انرژی فسیلی در جهان و افزایش سطح مصرف انرژی، همواره بشر را برای جایگزین کردن منابع انرژی جدید به چالش کشیده است. در این بین، باد به عنوان یکی از مظاهر انرژی‌های نو از جایگاه ویژه‌ای برخوردار است. منطقه شمال شرق ایران با توجه به وضعیت توپوگرافی و موقعیت نسبی خود یکی از مناسب‌ترین مکان‌ها برای احداث مزارع بادی می‌باشد. لذا، در این پژوهش برای تعیین مکان‌های مناسب جهت احداث مزارع بادی در استان‌های خراسان رضوی و شمالی، معیارها و زیر معیارهای مختلفی مد نظر قرار گرفت و با توجه به اهمیت تلفیق اطلاعات، فرآیند تحلیل سلسله مراتبی (AHP) برای وزن‌دهی به لایه‌ها انتخاب و به کمک نرم‌افزار Expert choice پیاده‌سازی گردید. از نرم‌افزار Arc GIS، به منظور تحلیل فضایی و همپوشانی لایه‌ها استفاده شد. پس از تجزیه و تحلیل اطلاعات، استان‌های خراسان رضوی و شمالی از نظر قابلیت احداث مزارع بادی به چهار سطح عالی، خوب، متوسط و ضعیف تقسیم گردیدند. در نهایت نتایج حاصل نشانگر آن است که سیستم اطلاعات جغرافیایی به عنوان یک سیستم حمایتی تصمیم-گیری، می‌تواند هم در آماده‌سازی داده‌ها و هم در مدل کردن اولویت‌ها و نظرات کارشناسان در رابطه با عوامل مختلف بسیار کارآمد باشد و طراحان را در انتخاب مکان مناسب جهت احداث مزارع بادی یاری کند. در این تحقیق، 7 منطقه با اولویت احداث مزارع بادی، با در نظر گرفتن همپوشانی و انطباق نقشه‌های محدودیت و مکان‌یابی، مساحت مناطق دارای اولویت، شرایط اقلیمی و نیز بازدید میدانی تعیین گردیدند که این مناطق به ترتیب، تربت جام، گلمکان، نیشابور، سبزوار، بجنورد و فردوس می‌باشند.
کاظم علی آبادی ، علیرضا انتظاری ، ناصر اسکندری،
دوره 4، شماره 15 - ( سال چهارم،شماره پانزدهم بهار 1393 1393 )
چکیده

در سالهای اخیر یکی از مسائل عمده کاربردی نمودن فناوری سنجش از دور در دنیا در زمینه کشاورزی، دسترسی به اطلاعات و تهیه آمار می باشد. لذا استفاده از داده های تولیدی از سنجش از دور می تواند سیستم کنونی کشاورزی را به سمت کشاورزی دقیق سوق دهد. در تحقیق حاضر از شاخص NDVI استخراج شده از سنجنده AVNIR-2 ALOS به منظور پیش بینی میزان بایومس منطقه آمل در شمال کشور استفاده شده است. شاخص NDVI یکی از اولین و متداولترین شاخص های گیاهی استخراج شده از داده ای سنجش از دوری است که تاکنون در مطالعات زیادی به منظور مانیتورینگ محصولات کشاورزی مورد استفاده قرار گرفته است. برداشت میدانی بایومس در فصل رشد گیاه در 63 پلات در منطقه مورد مطالعه انجام گرفت. به منظور محاسبه میزان همبستگی بین داده های بایومس اندازه گیری شده در منطقه و مقادیر تخمین زده شده با استفاده از شاخص NDVI از مدل رگرسیون خطی و مدل Cross Validation استفاده شد. نتایج نشان داد که مقدار ضریب تعیین در مدل رگرسون خطی 61% و در مدل Cross Validation 51% به دست آمد. بر اساس اطلاعات به دست آمده از این تحقیق می‌توان بیان نمود که با استفاده از تصاویر ماهواره ALOS امکان تخمین بایومس با دقت خوبی وجود دارد.

صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به فصلنامه مطالعات جغرافیایی مناطق خشک می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2018 All Rights Reserved | Journal of Arid Regions Geographics Studies

Designed & Developed by : Yektaweb