پیش بینی بارش سالانه اردبیل با استفاده از شبکه عصبی مصنوعی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 598
This Paper With 16 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:
ATTITTDE01_067
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
بارش مهمترین سنجه ی هواشناسی و اقلیمی است. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریتحوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش سالانه با استفاده از شبکه های عصبی مصنوعیدر شهر اردبیل می باشد. در این پژوهش به منظورپیش بینی بارش از داده های بارش ماهانه ی ایستگاه همدید اردبیل در بازه ی آماری(1988-2011) به مدت 23 سال و به دلیل رفتار غیرخطی بارش از شبکه های عصبی مصنوعی جهت پیش بینی آن بهره گرفته شد. در این ارتباط، 63 درصد داده ها جهت آموزش شبکه و 33 درصد داده ها برای تست و اعتبار سنجی اختصاص داده شد. نتایج پژوهش بعد ازآزمون شبکه با لایه های پنهان و با ضرایب یادگیری مختلف آشکار ساخت که استفاده از شبکه های عصبی مصنوعی با پرسپترون چندلایه با 1 و 2 لایه پنهان و ضریب یادگیری اولیه 0/4 و مومنتوم 0/9 نسبت به سایر حالت ها و معماری شبکه، مدل نسبتاً بهتری را ارائه می کند. و ضریب همبستگی بین مقادیر واقعی سالانه بارش و پیش بینی شده توسط شبکه برای سال های 2010 برابربا 0/921 و ضریب تعیین برابر با 0/85 و برای سال 2011 ضریب همبستگی برابر با 0/922 و ضریب تعیین برابر با 0/85 می باشد. بطور کلی می توان گفت که شبکه عصبی به خوبی رابطه غیر خطی بین مقادیر ماهانه بارش را با توجه به آموزش شبکه با خصوصیات ذکر شده، پیش بینی می کند.
Keywords:
Authors
علیرضا نریمان زاده
کارشناسی ارشد اقلیم شناسی
امیر گندمکار
استادیار گروه اقلیم شناسی دانشگاه آزاد اسلامی واحد نجف آباد
یوسف طلوعی
دانشجوی دکترای اقلیم شناسی دانشگاه آزاد اسلامی واحد نجف آباد
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 :