پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,502 |
| تعداد مشاهده مقاله | 124,119,686 |
| تعداد دریافت فایل اصل مقاله | 97,226,213 |
پیش‌بینی بارش ماهانه با استفاده از شبکه‌های عصبی مصنوعی (مورد: تهران) | ||
| پژوهش های جغرافیای طبیعی | ||
| مقاله 5، دوره 42، شماره 71 - شماره پیاپی 317637، آذر 1389 اصل مقاله (334.89 K) | ||
| نویسندگان | ||
| محمد حسین قلی زاده؛ محمد دارند | ||
| چکیده | ||
| گسترش سریع استفاده از شبکه‌های عصبی مصنوعی ( ANN) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل‌هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه‌های عصبی مصنوعی در شهر تهران می‌باشد. در این تحقیق از داده‌های بارش ماهانه طی دوره آماری 53 سال (1951-2003) و شبکه‌های عصبی مصنوعی به عنوان یک روش غیر خطی جهت پیش بینی بارش استفاده شده است. نتایج این تحقیق بعد از آزمون شبکه با لایه‌های پنهان و با ضرایب یادگیری مختلف نشان داد که استفاده از شبکه‌های عصبی مصنوعی با یک پرسپترون 2 لایه پنهان با ضریب یادگیری 1/0 و مومنتم 7/0 مدل نسبتاً بهتری را ارائه می‌کند. ضریب همبستگی بین مقادیر واقعی ماهانه بارش و پیش بینی شده توسط شبکه بدون ترکیب با الگوریتم ژنتیک برابر با 88/0 و ضریب تعیین برابر با 77/0 می‌باشد. همچنین بعد از آموزش مجدد شبکه و آزمون شبکه با لایه‌های پنهان و ضرایب مختلف یادگیری در ترکیب با الگوریتم ژنتیک نشان داد که ترکیب شبکه با ویژگی‌های مذکور با الگوریتم ژنتیک باعث کاهش خطا و افزایش سرعت محاسبات شده و مدل بهتری را ارائه می‌کند. ضریب همبستگی بین مقادیر واقعی ماهانه بارش و پیش بینی شده توسط شبکه برابر با 91/0 و ضریب تبیین برابر با 83/0 می‌باشد. | ||
| کلیدواژه‌ها | ||
| الگوریتم ژنتیک؛ بارش؛ پیش بینی؛ تهران؛ شبکه‌های عصبی مصنوعی | ||
|
آمار تعداد مشاهده مقاله: 5,176 تعداد دریافت فایل اصل مقاله: 3,409 |
||