پیش بینی بارش روزانه با استفاده از روش شبکه عصبی DeepESN و بر اساس داده های ایستگاه های هواشناسی استان هرمزگان
عنوان مقاله: پیش بینی بارش روزانه با استفاده از روش شبکه عصبی DeepESN و بر اساس داده های ایستگاه های هواشناسی استان هرمزگان
شناسه ملی مقاله: JR_IAT-1-3_003
منتشر شده در در سال 1400
شناسه ملی مقاله: JR_IAT-1-3_003
منتشر شده در در سال 1400
مشخصات نویسندگان مقاله:
خاطره اصغری طاهرگورابی - دانشکده فنی و مهندسی ،گروه کامپیوتر ، واحد بندرعباس ، دانشگاه آزاد اسلامی بندرعباس، ایران
امیر رجبی بهجت - دانشکده فنی و مهندسی، واحد رفسنجان، دانشگاه آزاد اسلامی، رفسنجان، ایران
هدایت الله دلاکی - دانشکده فنی ومهندسی ، واحد بندرعباس ، دانشگاه آزاد اسلامی ، بندرعباس ، ایران.
خلاصه مقاله:
خاطره اصغری طاهرگورابی - دانشکده فنی و مهندسی ،گروه کامپیوتر ، واحد بندرعباس ، دانشگاه آزاد اسلامی بندرعباس، ایران
امیر رجبی بهجت - دانشکده فنی و مهندسی، واحد رفسنجان، دانشگاه آزاد اسلامی، رفسنجان، ایران
هدایت الله دلاکی - دانشکده فنی ومهندسی ، واحد بندرعباس ، دانشگاه آزاد اسلامی ، بندرعباس ، ایران.
در این پژوهش دقت مدل پیشبینی روزانه بارش توسط شبکه عصبی DeepESN و روش رگرسیون چندمتغیره خطی مورد مقایسه قرار گرفته است. در همین راستا دادههای واقعی بارش و همچنین دیگر پارامترهای تاثیرگذار بر آن را با فاصله زمانی روزانه مربوط به ۳۰ سال گذشته از اداره تحقیقات هواشناسی استان هرمزگان دریافت و از طریق هردو روش فوق مورد تحلیل و بررسی قرار گرفتهاند. این دادهها مربوط به شهرهای بندرعباس، قشم و میناب بوده و به جهت نزدیکی شرایط آب و هوایی این سه شهر، دادهها قبل از ورود به شبکه عصبی و رگرسیون چندمتغیره، میانگینسازی شدهاند. پیادهسازی شبکه عصبی DeepESN در نرم افزار متلب و پیادهسازی روش رگرسیون چندمتغیره خطی در نرم افزار SPSS صورت پذیرفته است. در پایان نتایج نشان داد که مدل پیشبینی بارش روزانه مربوط به شبکه عصبی DeepESN نسبت به رگرسیون چندمتغیره خطی دارای مدل پیشبینی بهتری با استفاده از خروجی توابع ارزیابی بوده است.
کلمات کلیدی: پیش بینی بارش روزانه, شبکه عصبی DeepESN, رگرسیون چندمتغیره خطی, توابع ارزیابی, رگرسیون همبستگی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1430443/