مطالب مرتبط با کلیدواژه

جنوب غربی


۱.

الگوی توزیع فضایی جمعیت در جنوب غربی دریای خزر (1400 ـ 1345)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: جمعیت دریای خزر توزیع فضایی الگوی زیست جنوب غربی

حوزه‌های تخصصی:
تعداد بازدید : ۱۸۸۲ تعداد دانلود : ۸۴۵
بررسیها و مطالعات جغرافیایی جمعیت، به علت پرداختن به موضوع جمعیت با دید جغرافیایی، از اهمیت و جایگاه ویژه ای برخوردار است. جمعیتی که در کالبد فضایی فعالیتهای خود بررسی شده است، انعکاسهای آن در فضا و تاثیر پذیری فضایی، شیوه نگارش ویژه ای را به وجود آورده که در جغرافیای جمعیت مطرح است. با توجه به تنوع محیطی (جغرافیایی) و تاثیر گذاری آن بر توزیع فضایی جمعیت، در جنوبغربی دریای خزر و در بستر جغرافیایی آن از جلگه تا کوهپایه و کوهستان که به ترتیب از شرق به غرب قرار گرفته اند، توزیع جمعیت حالت یکنواخت و متجانس ندارد به طوری که قسمت شرقی آن متراکم تر از قسمت غربی می باشد. در این مقاله نگارنده با بهره گیری از نظریات، آمارها و اطلاعات، به بررسی الگوی فضایی زیست جمعیت در جنوب غربی دریای خزرکه بر اساس آخرین تقسیمهای اداری کشور شهرستان های آستارا، تالش، رضوانشهر و ماسال را شامل می شود پرداخته و موضوعاتی نظیر؛ مشخصات محدوده مطالعه شده، شهر نشینی، روستا نشینی، کوچ نشینی و پیش بینی جمعیت در سال 1400 (هـ. ش) را بررسی و در پایان ضمن ارائه الگوی زیست جمعیت به نتیجه گیری پرداخته است.
۲.

تحلیل مدلهای هوش مصنوعی هیبریدی نوین در برآورد دبی سیلابی:مطالعه موردی: حوضه آبریز کشکان(مقاله علمی وزارت علوم)

کلیدواژه‌ها: تفنگدار خلاق شبیه سازی هوش مصنوعی جنوب غربی حوضه ی آبریز کشکان

حوزه‌های تخصصی:
تعداد بازدید : ۵۱ تعداد دانلود : ۴۲
سیل از جمله پدیده های طبیعی است که هر ساله خسارات جانی و مالی زیادی را در دنیا به بار آورده و مشکلات عدیده ای را بر سر راه توسعه ی اقتصادی و اجتماعی کشورها ایجاد می نماید. از این رو جهت کاهش خسارات، کنترل و هدایت این پدیده، برآورد دبی سیلابی و شناسایی عوامل مؤثر بر آن بسیار حائز اهمیت می باشد. در این پژوهش، به منظور برآورد دبی سیلابی حوضه ی آبریز کشکان واقع در استان لرستان از مدل های هوش مصنوعی هیبریدی نوین شامل شبکه عصبی مصنوعی- تفنگدار خلاق، شبکه عصبی مصنوعی-عنکبوت بیوه سیاه و شبکه عصبی مصنوعی- ازدحام مرغ در طی دوره ی زمانی 1400-1390 استفاده شد. برای ارزیابی عملکرد شبیه سازی از شاخص های آماری ضریب تعیین (R2)، میانگین مطلق خطا (MAE)، ضریب کارایی نش- ساتکلیف (NSE) و درصد بایاس (PBIAS) استفاده گردید. نتایج نشان داد که بطور کلی مدل های هوش مصنوعی هیبریدی عملکرد بهتری نسبت به مدل منفرد در برآورد دبی سیلابی دارند. نتایج نشان داد مدل شبکه عصبی مصنوعی- تفنگدار خلاق نسبت به سایر مدل ها از دقت بیشتر و خطای کمتری برخوردار است. در مجموع نتایج نشان داد استفاده از مدل های هوش مصنوعی هیبریدی در برآورد دبی سیلابی موثر بوده و می تواند به عنوان راهکاری مناسب و سریع در مدیریت منابع آب مطرح شود.