پیش بینی بارندگی با استفاده از شبکه عصبی GMDH
Publish place: دومین کنفرانس بین المللی علوم جغرافیایی
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,064
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
GSCONFKH02_025
Index date: 24 February 2017
پیش بینی بارندگی با استفاده از شبکه عصبی GMDH abstract
مدیریت و برنامه ریزی در اغلب پروژه های منابع آب از قبیل سدها، مخازن، مهار سیلاب ها و کشاورزی نیاز به پیش بینی بارندگی در فواصل حداقل یک ماهه دارد. در این مقاله از دو نوع شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) با الگوریتم پس انتشار خطا و همچنین روش دسته بندی گروهی داده ها (GMDH) جهت پیش بینی بارندگی بر اساس داده های 59 سال ایستگاه سینوپتیک حوزه آبریز شیراز استفاده شده است. نتایج بدست آمده نشان داد مدل شبکه عصبی مصنوعی GMDH توانایی بهتری نسبت به شبکه های MLP، در پیش بینی میزان بارندگی ماهانه دارد. بهترین مدل شبکه عصبی GMDH شامل 8 نرون در لایه میانی بوده و قادر به پیش بینی بارندگی با دقت بسیار مناسبی (RMSE=0.324 (R2=0.88)) می باشد. در انتها با استفاده از آنالیز حساسیت مهمترین پارامتر موثر در پیش بینی بارش، میانگین دما و کم اهمیت ترین پارامتر جهت ماکزیمم باد روزانه می باشد.
پیش بینی بارندگی با استفاده از شبکه عصبی GMDH authors
رضا محمد پور
استادیار دانشگاه آزاد اسلامی واحد استهبان
صادق جهاندیده توابع
کارشناسی ارشد دانشگاه آزاد اسلامی واحد استهبان
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 :