برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان نشریه: 
 
اطلاعات شماره: 
بهار 1389 , دوره  42 , شماره  71 ; از صفحه 51 تا صفحه 63 .
 
عنوان مقاله: 

پيش بيني بارش ماهانه با استفاده از شبکه هاي عصبي مصنوعي (مورد: تهران)

 
نویسندگان: 
 
آدرس:  
* دانشگاه کردستان
 
چکیده: 

گسترش سريع استفاده از شبکه هاي عصبي مصنوعي (ANN) به عنوان مدل تجربي و کارآمد در علوم مختلف از جمله هواشناسي و اقليم شناسي نشان دهنده ضرورت ارزش بالاي مطالعه اين مدل هاست. پيش بيني بارش براي اهداف مختلفي نظير برآورد سيلاب، خشکسالي، مديريت حوضه آبريز، کشاورزي و ... داراي اهميت بسياري است. هدف اين مقاله پيش بيني بارش ماهانه با استفاده از شبکه هاي عصبي مصنوعي در شهر تهران مي باشد. در اين تحقيق از داده هاي بارش ماهانه طي دوره آماري 53 سال (1951-2003) و شبکه هاي عصبي مصنوعي به عنوان يک روش غيرخطي جهت پيش بيني بارش استفاده شده است. نتايج اين تحقيق بعد از آزمون شبکه با لايه هاي پنهان و با ضرايب يادگيري مختلف نشان داد که استفاده از شبکه هاي عصبي مصنوعي با يک پرسپترون 2 لايه پنهان با ضريب يادگيري 1/0 و مومنتم 7/0 مدل نسبتا بهتري را ارايه مي کند. ضريب همبستگي بين مقادير واقعي ماهانه بارش و پيش بيني شده توسط شبکه بدون ترکيب با الگوريتم ژنتيک برابر با 88/0 و ضريب تعيين برابر با 77/0 مي باشد. همچنين بعد از آموزش مجدد شبکه و آزمون شبکه با لايه هاي پنهان و ضرايب مختلف يادگيري در ترکيب با الگوريتم ژنتيک نشان داد که ترکيب شبکه با ويژگي هاي مذکور با الگوريتم ژنتيک باعث کاهش خطا و افزايش سرعت محاسبات شده و مدل بهتري را ارايه مي کند. ضريب همبستگي بين مقادير واقعي ماهانه بارش و پيش بيني شده توسط شبکه برابر با 91/0 و ضريب تبيين برابر با 83/0 مي باشد.

 
کلید واژه: 

 
موضوعات مرتبط: 
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  چکیده انگلیسی بازدید یکساله 312
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی