بررسی تاثیر معماری شبکه و تعداد پارامترهای ورودی به آن بر تخمین بارش ماهانه به کمک ANN

یکی از مهمترین پارامترهای اقلیمی هر منطقه بارش می باشد. پیش بینی این پارامتر یکی از اهداف مهندسین منابع آب بوده است. در این تحقیق به کمک شبکه عصبی مصنوعی در نرم افزار MATLAB به پیش بینی بارش ماهانه پرداخته شد. بدین منظور از داده های هواشناسی ایستگاه اسلام آباد غرب واقع در استان کرمانشاه در یک بازه 28 ساله (2014-1987) استفاده گردید. تاثیر معماری (نوع شبکه) و تعداد پارامترهای ورودی مختلف در پیش بینی بارش ماهانه به کمک مدل شبکه عصبی انجام گرفت. نتایج نشان داد که با افزایش تعداد ورودی ها از 2 به 5 مقدار پارامتر آماری خطا RMSE کاهش قابل توجهی پیدا می کند. بهترین مدل در برآورد بارش ماهانه دارای 5 پارامتر ورودی: سرعت باد، دمای حداقل، دمای حداکثر، رطوبت نسبی،ساعت آفتابی، و تعداد 3 لایه مخفی با 32 نرون و همچنین نوع شبکه fitnet بود. مقادیر RMSE و R2 برای بهترین مدل به ترتیب برابر 0/729 و 0/7708 بدست آمد.

Keywords:

بارش , شبکه عصبی مصنوعی , نوع شبکه , اسلام آباد غرب