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:

2,928
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1,160
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

4

اطلاعات مقاله نشریه

عنوان

پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی (مورد: تهران)

صفحات

 صفحه شروع 51 | صفحه پایان 63

چکیده

 گسترش سریع استفاده از شبکه های 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 مدل هاست. 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 شبکه های عصبی مصنوعی در شهر تهران می باشد. در این تحقیق از داده های بارش ماهانه طی دوره آماری 53 سال (1951-2003) و شبکه های عصبی مصنوعی به عنوان یک روش غیرخطی جهت پیش بینی بارش استفاده شده است. نتایج این تحقیق بعد از آزمون شبکه با لایه های پنهان و با ضرایب یادگیری مختلف نشان داد که استفاده از شبکه های عصبی مصنوعی با یک پرسپترون 2 لایه پنهان با ضریب یادگیری 1/0 و مومنتم 7/0 مدل نسبتا بهتری را ارایه می کند. 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 می باشد. همچنین بعد از آموزش مجدد شبکه و آزمون شبکه با لایه های پنهان و ضرایب مختلف یادگیری در ترکیب با الگوریتم ژنتیک نشان داد که ترکیب شبکه با ویژگی های مذکور با الگوریتم ژنتیک باعث کاهش خطا و افزایش سرعت محاسبات شده و مدل بهتری را ارایه می کند. ضریب همبستگی بین مقادیر واقعی ماهانه بارش و پیش بینی شده توسط شبکه برابر با 91/0 و ضریب تبیین برابر با 83/0 می باشد.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    قلی زاده، محمدحسین، و دارند، محمد. (1389). پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی (مورد: تهران). پژوهشهای جغرافیای طبیعی (پژوهش های جغرافیایی)، 42(71)، 51-63. SID. https://sid.ir/paper/138897/fa

    Vancouver: کپی

    قلی زاده محمدحسین، دارند محمد. پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی (مورد: تهران). پژوهشهای جغرافیای طبیعی (پژوهش های جغرافیایی)[Internet]. 1389؛42(71):51-63. Available from: https://sid.ir/paper/138897/fa

    IEEE: کپی

    محمدحسین قلی زاده، و محمد دارند، “پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی (مورد: تهران)،” پژوهشهای جغرافیای طبیعی (پژوهش های جغرافیایی)، vol. 42، no. 71، pp. 51–63، 1389، [Online]. Available: https://sid.ir/paper/138897/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