پیش بینی بارش باران با روش ترکیبی شبکه عصبی و الگوریتم فاخته

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 807

This Paper With 10 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ITCC03_176

تاریخ نمایه سازی: 6 اردیبهشت 1396

Abstract:

پیش بینی بارش برای برنامه ریزی و مدیریت بحران آب دارای اهمیت بسیار زیادی می باشد و علم بهآن کمک شایانی در جهت تصمیم گیری درست برای مدیریت بحرانهای طبیعی ناشی از آن مثلسیل و خشکسالی می نماید. در این بین روشهای مختلفی برای پیش بینی این پدیده صورت گرفتهاست و در سالهای اخیر روش های هوش مصنوعی جایگاه ویژه ای در پیش بینی این پدیده به دستآورده است. در این تحقیق سعی گردیده است که کارایی شبکه های عصبی مصنوعی در پیش بینیبارش مورد ارزیابی قرار گیرد و برای بهبود نتایج به دست آمده از براورد شبکه عصبی، مدل مورد نظررا با الگوریتم فاخته ترکیب نموده ایم و ترکیب شبکه با ویژگی های تعیین شده با الگوریتم فاختهباعث کاهش خطا و افزایش میزان رگرسیون شده و مدل بهتری ارایه می کند. با استفاده از مدل ترکیبیارایه شده به پیش بینی بارش باران در ایستگاه هواشناسی استان خراسان شمالی پرداخته ایم. براساسنتایج بدست آمده که میزان خطا 0.09025 و میزان رگرسیون 0.92087 می باشد می توان نتیجهگرفت مدل ترکیبی ارایه شده کارایی وعملکرد بهتری دارد.

Authors

زینب عرب اسدی

دانشکده فنی و مهندسی و علوم پایه، دانشگاه بجنورد

علی اصغر یاری فرد

دانشکده فنی و مهندسی و علوم پایه، دانشگاه بجنورد

مهران گرمه ای

دانشکده فنی و مهندسی و علوم پایه، دانشگاه بجنورد

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 :
  • خلیلی، ناهید. 1385. پیش بینی بارش با استفاده از شبکه ...
  • صداقت کردار، علی. فتاحی، احمد . 1378. شاخص های پیش ...
  • فاتحی مرج، حامد. 1379. بررسی آشوب در سیستم های دینامیکی. ...
  • دی، سارا. 1384. پیش بینی بار روزهای خاص و تعطیل ...
  • Breiman, L., Friedman J., Olshen R., and Stone C..(1984), Classification ...
  • Chaves P. Tsukatani. T. and Kojiri. T. (2004). Operation of ...
  • Cross S.S. Harrison R. Kennedy .R.L., (1995)., Introduction t neural ...
  • Demicco R. Klir. G. (2001). Stratigraphic Simulations Using Fuzzy Logic ...
  • French M.N. Krajewski W.F. Cuykendal. R.R. (1992). Rainfall forecasting in ...
  • Halmar H and Peter .R. (2002) _ Modeling Inter-Annual Variation ...
  • Long J. Jian. J. and Yao. K. (2005). A Short-Term ...
  • MacCulloch W.S. Pitts. W (1943). A logic calculus of the ...
  • Mahabir C. Hicks. F. E and Robinson Fayek. A. (2003). ...
  • Pongracz R.. Bogardi. I. and Duckstei. L. (1999). Application of ...
  • Pongracz _ and Bartholy. J. (2006). Regional Effects of ENSO ...
  • Sina N. K. and Gupta. M. M. (2000). Soft Computing ...
  • Stuber M.. Gemmar. P. and Greving. M. (2000). Machine Supported ...
  • Tohma S. and S. Igata. (1994). Rainfall estimation from GMS ...
  • Xiong L. Shamseldin. A. Y. and O'conno. K. M. (2001). ...
  • Zadeh Lotfi A. (1997). Toward a theory of fuzzy information ...
  • Yang XS, Deb S, (2009) Cuckoo search via Levy flights, ...
  • Yang XS, Deb S, (2010). Engineering Optimisation by Cuckoo Search, ...
  • Wang, Wen-chuan, et al. (2015). Improving forecasting accuracy of medium ...
  • نمایش کامل مراجع