پیش بینی دمای هوا با استفاده از شبکه های عصبی ترکیبی ماژولار
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,244
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_059
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
پیش بینی دقیق هوا در علم هواشناسی بسیار حیاتی بوده و به علت طبیعت بی نظم جو و پویا بودن آن، همیشه این موضوع، یک چالش مهم و بحث برانگیز بوده است. مدل های عددی موجود برای پیش بینی جوی خیلی دقیق عمل نمی کنند. در نتیجه در این زمینه نیاز به مدل های دقیق تری وجود دارد تا بتوان نتایج دقیق تر و بهتری را به دست آورد. در این مقاله مدلی ترکیبی از پیش پردازش داده و شبکه عصبی ماژولار برای پیش بینی دمای هوا در شهر تهران ارائه می شود. در این مدل ابتدا با استفاده از روش step wise ویژگی های مناسب استخراج می شود و سپس با شبکه بهبود یافته نگاشت خود سازمنده (SOM) به وسیله بهینه سازی ازدحام پرندگان(PSO)، داده های مناسب برای هر شبکه تولید می شود. مدل ماژولار مورد نظر از چهار شبکه Radial Basis Function Network (RBFN) ،Multilayer Perceptron Network (MLPN) ، Generalized Regression Neural Networks (GRNN) و Distributed Time-Delay Neural Network (DTDNN) ساخته شده است. داده های مورد استفاده شامل شش ویژگی نقطه شبنم، رطوبت، فشار سطح دریا، دید، سرعت باد و بارندگی است و دما برای روز بعد پیش بینی می شود. کارایی این مدل با مدل های دیگر مقایسه می شود و نتایج نشان می دهد که این مدل عملکرد خوبی داشته است
Keywords:
Authors
عباس احمدی
استادیار گروه مهندسی صنایع، دانشگاه صنعتی امیرکبیر
زهرا زرگران
دانشجوی کارشناسی ارشد مهندسی دانش و علوم تصمیم، دانشگاه علوم اقتصادی
فرحناز تقوی
استادیار گروه ژئو فیزیک، دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :