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

مقاله مقاله نشریه

مشخصات مقاله

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:

726
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

539
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

انتخاب ویژگی و پیش بینی باد گاستی با شبکه عصبی پرسپترون چند لایه ای در ایستگاه خودکار فرودگاهی

صفحات

 صفحه شروع 33 | صفحه پایان 52

چکیده

 در این مقاله ابتدا با بررسی هوای حاضر گزارش های متار, بازه زمانی بیشترین وقوع ناپایداری ایجادکننده باد گاستی (جستی) شناسایی شد. سپس با استانداردسازی داده ها به بازه 1/0 تا 9/0, ویژگی های مرتبط با جهت و سرعت باد جستی انتخاب شد. روش های انتخاب ویژگی در این پژوهش, اطلاعات متقابل و جستجوی پی درپی پیشرو شناور با الگوریتم طبقه بندی k نزدیک ترین همسایگان هستند. ویژگی های انتخابی برای پیش بینی سرعت باد با روش اول, متغیرهای سرعت باد لحظه ای شامل کمینه, میانگین و بیشینه سرعت باد در دو دقیقه و میانگین و بیشینه سرعت باد در ده دقیقه در همان باند هستند. ویژگی های انتخابی برای جهت باد با روش اول, متغیرهای جهت باد لحظه ای یعنی کمینه, میانگین و بیشینه جهت باد در دو دقیقه و کمینه, میانگین و بیشینه جهت باد در ده دقیقه در همان باند هستند. ویژگی های انتخابی با روش دوم برای سرعت باد شامل انحراف جهت باد در ده دقیقه گذشته در باند میانی و فشار لحظه ای در هر سه باند است. انحراف جهت باد در ده دقیقه گذشته در باند 11, در باندهای 29 و میانی مشترک هستند. ویژگی چهارم در باندهای 29 و میانی, متغیر بیشینه سرعت باد در ده دقیقه مربوط به همان باند است. در باند 11 علاوه بر ویژگی های مشترک, متغیرهای بیشینه سرعت باد در ده دقیقه در باند 11 و انحراف جهت باد در ده دقیقه گذشته در باند 29 دیده می شود. ویژگی های انتخابی برای جهت باد از تنوع بیشتری برخوردار هستند. در مرحله نهایی, ویژگی های انتخابی به شبکه عصبی پرسپترون چندلایه در حالت های مختلف داده شد. نتایج خروجی مدل برای پیش بینی جهت و سرعت باد جستی مقایسه و بهترین مدل برای پیش بینی سرعت باد جستی, شبکه با همبندی 1-2-4-4, نرخ یادگیری 1/0 و آستانه آغازین 5/0 برای وزن هر نرون انتخاب شد. برای جهت باد, شبکه با همبندی 1-3-6-6, نرخ یادگیری 1/0 و آستانه آغازین 5/0 مناسب است. عملکرد شبکه عصبی پرسپترون چندلایه ای در پیش بینی سرعت باد بهتر است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    حبیبی، فریده. (1398). انتخاب ویژگی و پیش بینی باد گاستی با شبکه عصبی پرسپترون چند لایه ای در ایستگاه خودکار فرودگاهی. مجله ژئوفیزیک ایران، 13(3 )، 33-52. SID. https://sid.ir/paper/133903/fa

    Vancouver: کپی

    حبیبی فریده. انتخاب ویژگی و پیش بینی باد گاستی با شبکه عصبی پرسپترون چند لایه ای در ایستگاه خودکار فرودگاهی. مجله ژئوفیزیک ایران[Internet]. 1398؛13(3 ):33-52. Available from: https://sid.ir/paper/133903/fa

    IEEE: کپی

    فریده حبیبی، “انتخاب ویژگی و پیش بینی باد گاستی با شبکه عصبی پرسپترون چند لایه ای در ایستگاه خودکار فرودگاهی،” مجله ژئوفیزیک ایران، vol. 13، no. 3 ، pp. 33–52، 1398، [Online]. Available: https://sid.ir/paper/133903/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