مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,697
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

734
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان

صفحات

 صفحه شروع 151 | صفحه پایان 169

چکیده

 بارندگی یکی از اجزای اصلی چرخه هیدرولوژی است. این فرآیند پیچیده به عوامل متعدد اقلیمی وابسته است. شبکه های عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدل سازی سیستم های پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده است. تحقیق حاضر در سه ایستگاه منتخب از استان خوزستان صورت گرفته است. برای این منظور از داده های بارندگی ماهانه سه ایستگاه هواشناسی استان به مدت 48 سال, (1340 - 1387), استفاده شده است. سپس با استفاده از این مقادیر به عنوان خروجی های هدف, شبکه های مختلفی با ساختار های متفاوت تعریف و آموزش داده شد. در نهایت قابلیت شبکه برای تخمین بارش با استفاده از قسمتی از داده ها که در آموزش شبکه وارد نشدند, مورد بررسی قرار گرفت. در این تحقیق شبکه های MLP و RBF با تغییراتی در تعداد لایه های میانی, تعداد نرون ها و الگوریتم های آموزش MOM و LM و CG به منظور پیش بینی بارش فصلی به کار گرفته شد. نتایج نشان داد که برای ایستگاه اهواز شبکه RBF با توپولوژی 1-4-6 و یادگیری LM دارای بیشترین مقدار ضریب همبستگی برابر 0.96 و کمترین MSE برابر 0.044 است. برای ایستگاه آبادان شبکه RBF با توپولوژی 1-7-6-6 و یادگیری LM دارای بیشترین مقدار ضریب همبستگی برابر 0.92 و کمترین MSE برابر 0.062 است. برای ایستگاه دزفول شبکه MLP با توپولوژی 1-4-3-6 و یادگیری LM دارای بیشترین مقدار ضریب همبستگی برابر 0.94 و کمترین MSE برابر 0.034 است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    گلابی، محمدرضا، آخوندعلی، علی محمد، و رادمنش، فریدون. (1392). مقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان. تحقیقات کاربردی علوم جغرافیایی (علوم جغرافیایی)، 13(30)، 151-169. SID. https://sid.ir/paper/102224/fa

    Vancouver: کپی

    گلابی محمدرضا، آخوندعلی علی محمد، رادمنش فریدون. مقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان. تحقیقات کاربردی علوم جغرافیایی (علوم جغرافیایی)[Internet]. 1392؛13(30):151-169. Available from: https://sid.ir/paper/102224/fa

    IEEE: کپی

    محمدرضا گلابی، علی محمد آخوندعلی، و فریدون رادمنش، “مقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان،” تحقیقات کاربردی علوم جغرافیایی (علوم جغرافیایی)، vol. 13، no. 30، pp. 151–169، 1392، [Online]. Available: https://sid.ir/paper/102224/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button