تعیین اثر پیش پردازش داده بر عملکرد شبکۀ عصبی مصنوعی بهمنظور پیش بینی بارش ماهانه در شهرستان آباده | ||
| مجله اکوهیدرولوژی | ||
| مقاله 3، دوره 4، شماره 1، 1396، صفحه 29-37 اصل مقاله (735.69 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2017.60880 | ||
| نویسندگان | ||
| مهدی بهرامی* 1؛ محمدجواد امیری1؛ فاطمه رضایی مهارلویی2؛ کرامت الله غفاری3 | ||
| 1استادیار، گروه علوم و مهندسی آب، دانشکدۀ کشاورزی، دانشگاه فسا | ||
| 2دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکدۀ کشاورزی، دانشگاه فسا | ||
| 3مربی گروه فناوری اطلاعات، دانشکدۀ مهندسی، دانشگاه فسا | ||
| چکیده | ||
| توابع تبدیل صورت میگیرد. در پژوهش حاضر با استفاده از اطلاعات میانگین بارش ماهانه، کمترین و بیشترین دما و رطوبت ایستگاه سینوپتیک شهرستان آباده در بازۀ زمانی 1355 تا 1392 بهصورت نرمالشده و خام بهعنوان ورودیهای شبکۀ پرسپترون چندلایه، بارش ماه آیندۀ شهرستان پیشبینی شد. برای نرمالسازی دادههای هواشناسی، پس از بررسی وجود داشتن یا نداشتن دادههای گمشده و پرت از سه روش نرمالسازی مینیممـ ماکزیمم، رتبهای و آمارۀ نرمال استاندارد استفاده شد. پس از بهدستآوردن بهترین ساختار شبکه با استفاده از آزمون و خطا برای هر روش از مقایسۀ بهترین ساختارهای هر روش با یکدیگر، روش مینیممـ ماکزیمم با ساختار شبکۀ سهلایه و تعداد 13 نورون در لایۀ پنهان با مقدار 92/0=R و 12/0=MSE در مقایسه با دیگر روشها بهعنوان بهترین روش انتخاب شد. نتایج آنالیز حساسیت انجامشده نیز نشان داد مدل به حذف پارامتر بیشترین رطوبت بیشتر از سایر پارامترها حساسیت نشان داد. پس از آن نیز دمای حداکثر بیشترین تأثیر را بر پیشبینی بارش داشت. همچنین مقایسۀ عملکرد شبکه با تعداد ورودیهای مختلف نشان داد شبکه با داشتن دو ورودی شامل کمترین دما و رطوبت با مقدار 13/0= MSE در مواقعی که کمبود داده وجود دارد نسبت بهتعداد پنج ورودی به نتیجۀ خوبی رسید. | ||
| کلیدواژهها | ||
| آمارۀ نرمال استاندارد؛ بارندگی؛ مینیممـ ماکزیمم؛ نرمال سازی داده؛ نرمال سازی رتبه ای | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,851 تعداد دریافت فایل اصل مقاله: 1,096 |
||