بررسی کارایی روشهای رگرسیون خطی، شبکه عصبی مصنوعی و سیستم های عصبی فازی تطبیقی در بازسازی داده های بارندگی (مطالعه موردی بازسازی آمار بارش ماهانه)
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 524
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:
NCUIMWR03_342
تاریخ نمایه سازی: 15 اسفند 1393
Abstract:
مسئله داده های گم شده (missing value) جزء مواردی است که در اکثر کارهای علمی با آن مواجه هستیم. در مواردی چون مدل سازی بارش و روان آب، برآورد بارش یک منطقه از روی ایستگاه های هواشناسی مجاور منطقه وجود سری داده ها با طول آماری مناسب و بدون داده های از دست رفته بسیار با اهمیت می باشد. . در تحقیق حاضر از روش های رگرسیون خطی (LR)، شبکه عصبی مصنوعی (ANN) و سیستم های عصبی فازی تطبیقی (ANFIS) به منظور تخمین داده های گم شده استفاده شد. در مدل (ANN ) شبکه های MLP و RBF با 5 نوع تابع فعالیت به کار گرفته شد. در مدل (ANFIS) توابع عضویت 11 گانه بکارگرفته شد. بر اساس رابطه بین آمار موجود ایستگاه و ایستگاه مبنا در هر روش پس از حذف داده های مشاهده ای، مقادیر آنها از طریق روش های مذکور برآورد شده و با استفاده از آماره های ریشه میانگین مجذور مربعات خطا (RMSE) و ضریب همبستگی (R^2) اولویت هر یک از روش ها مورد شناسایی قرار گرفت. در بین مدل های مذکور رگرسیون خطی با R^2=0.85 و RMSE=0.041 و از مدل های (ANN) مدل (RBF 1-28-1) با R^2=0.86 و RMSE=0.046 و از مدل های (ANFIS) مدل guass2 با دو تابع عضویت با R^2=0.86 و RMSE=0.073 بهترین ساختارها شناخته شدند.
Keywords:
Authors
علیرضا خردمند
کارشناس ارشد سازه های آبی، شرکت مهندسین مشاور پژوهاب شرق ،مشهد، ایران
مریم عرفانیان
دانشجوی دکتری گروه آبیاری و زهکشی، دانشگاه فردوسی مشهد، ایران
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 :