تعداد نشریات | 161 |
تعداد شمارهها | 6,573 |
تعداد مقالات | 71,036 |
تعداد مشاهده مقاله | 125,506,790 |
تعداد دریافت فایل اصل مقاله | 98,770,724 |
استفاده از رویکرد شبکة عصبی مصنوعی جهت پیشبینی کوتاهمدت سرعت باد (مطالعة موردی: ایستگاه هواشناسی جیرفت) | ||
تحقیقات آب و خاک ایران | ||
مقاله 2، دوره 44، شماره 1، فروردین 1392، صفحه 11-20 اصل مقاله (756.54 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2013.36121 | ||
نویسندگان | ||
بهرام بختیاری* 1؛ نوذر قهرمان2؛ اسحاق رحیمی3 | ||
1استادیار دانشکدۀ کشاورزی دانشگاه شهید باهنر کرمان | ||
2استادیار دانشگاه تهران، پردیس کشاورزی و منابع طبیعی کرج | ||
3دانشآموختة کارشناسی ارشد دانشکدۀ کشاورزی دانشگاه شهید باهنر کرمان | ||
چکیده | ||
سرعت باد یکی از متغیرهای بسیار مهم هواشناسی در تعیین تبخیرتعرق و نیاز آبی گیاهان است. مدلها و روشهای متعددی برای پیشبینی این عامل وجود دارد. در سالهای اخیر، با شناختهشدن ابزار محاسبات نرم، بهمثابة روشی نوین در ایجاد سیستمهای هوشمند، این روشها جایگاهی ویژه در علوم هواشناسی کشاورزی پیدا کردند. بهکاربردن رویکرد شبکة عصبی مصنوعی یکی از این روشهاست. با توجه به وجود ایستگاه هواشناسی کشاورزی جیرفت و دردسترسبودن دادههای ساعتی سرعت باد در این شهر، از اطلاعات این ایستگاه استفاده شد. سری زمانی استفادهشده در این تحقیق اطلاعات سرعت باد در بازة زمانی ساعتی شش ماه (آوریل تا سپتامبر) سال2010 بود که سرعت باد نسبت به سایر ماههای سال بیشتر بود. در این تحقیق از سه مدل با نورونهای متفاوت با چهار لایه استفاده شد. نتایج نشان داد که مرحلة آزمون مدل با 20 نورون در هر لایه، بهطور متوسط 134 ثانیه طول کشیده است. لذا این مدل در مقایسه با دیگر مدلها، در مدت زمانی کوتاهتر مقادیر خروجی را به دست داد و سرعت اجرای بالاتری داشت. با توجه به مقایسة پارامترهای آماری در مرحلة آزمون، متوسط RMSE و MSE و EF (ضریب کارایی مدل)، بهترتیب، 1827/1 و 6947/0 و 9246/0 بهدست آمد. مدل بهکاررفته، نسبت به دو مدل دیگر، دقت بیشتر و کارایی بهتری در پیشبینی سرعت باد دارد و با دنیای واقعی مطابقت میکند. | ||
کلیدواژهها | ||
پیشبینی؛ دادههای ساعتی؛ سرعت باد؛ شبکة عصبی مصنوعی | ||
آمار تعداد مشاهده مقاله: 2,845 تعداد دریافت فایل اصل مقاله: 1,702 |