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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

1,536
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

629
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

1

اطلاعات مقاله نشریه

عنوان

ارزیابی تاثیر پیش پردازش پارامترهای ورودی به شبکه عصبی مصنوعی (ANNs) با استفاده از روشهای رگرسیون گام به گام و گاما تست به منظور تخمین سریع تر تبخیر و تعرق روزانه

صفحات

 صفحه شروع 610 | صفحه پایان 624

چکیده

 تبخیر و تعرق (ETo) یکی از اجزای اصلی چرخه هیدرولوژیکی است که تعیین صحیح آن در مطالعات بیلان آبی, طراحی سیستم های آبیاری و برنامه ریزی و مدیریت منابع آب برای دست یابی به توسعه پایدار نقش به سزایی دارد. تبخیر و تعرق به علت نیاز به فاکتورهای اقلیمی مختلف و اثر متقابل این فاکتورها بر هم دیگر یک پدیده غیرخطی و پیچیده است. یکی از مراحل پیچیده در مدل سازی سیستم های غیرخطی, پیش پردازش پارامترهای ورودی جهت انتخاب ترکیبی مناسب از آن ها است. پیش پردازش داده ها سبب کاهش مراحل سعی و خطا و شناخت مهم ترین پارامترهای موثر بر پدیده مورد نظر جهت مدل سازی با استفاده از روش های هوشمند می گردد. در این تحقیق از دو روش رگرسیون گام به گام (FS) و گاماتست (GT) برای پیش پردازش پارامترهای ورودی به شبکه عصبی پرسپترون چند لایه (MLP) جهت تخمین ETo روزانه ایستگاه سینوپتیک شیراز استفاده شده است. برای ارزیابی تاثیر پیش پردازش پارامترهای ورودی با استفاده از معیارهای مختلف آماری سنجش خطا به مقایسه دو مدل ANN-FS  و ANN-GT (با پارامترهای پردازش شده) با یکدیگر و هم چنین با مدل ANN که هیچ گونه پیش پردازشی روی پارامترهای ورودی آن انجام نشده است, پرداخته شد. نتایج نشان داد که هر سه مدل از دقت بالایی جهت تخمین ETo روزانه برخوردارند و از میان سه مدل فوق, مدل ANN-GT با مقدار ضریب تبیین 0.9995 (R2) و ریشه میانگین مربعات خطا 0.0483 (RMSE) نسبت به دو مدل دیگر ANN-FS و ANN به ترتیب با مقادیر R2 برابر با 0.9984 و 0.9994 و RMSE برابر با 0.0874 و 0.0548 از دقت بالاتری برخوردار است. اگرچه در این تحقیق برتری دقت مدلANN-GT  نسبت به مدل ANN ناچیز است اما توانایی های مشخص نمودن ترتیب اهمیت پارامترهای ورودی, تعیین تعداد تقریبا 800 داده معنی دار برای آموزش شبکه و یافتن بهترین ترکیب که شامل همه پارامترهای ورودی به جز دمای حداکثر می باشد این آزمون را می تواند به عنوان ابزار مفیدی برای پیش پردازش پارامترهای ورودی جهت مدل سازی سربع تر تبخیر و تعرق تبدیل کند.

استنادها

ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    قبایی سوق، محمد، مساعدی، ابوالفضل، حسام، موسی، و هزارجریبی، ابوطالب. (1389). ارزیابی تاثیر پیش پردازش پارامترهای ورودی به شبکه عصبی مصنوعی (ANNs) با استفاده از روشهای رگرسیون گام به گام و گاما تست به منظور تخمین سریع تر تبخیر و تعرق روزانه. آب و خاک (علوم و صنایع کشاورزی)، 24(3)، 610-624. SID. https://sid.ir/paper/141512/fa

    Vancouver: کپی

    قبایی سوق محمد، مساعدی ابوالفضل، حسام موسی، هزارجریبی ابوطالب. ارزیابی تاثیر پیش پردازش پارامترهای ورودی به شبکه عصبی مصنوعی (ANNs) با استفاده از روشهای رگرسیون گام به گام و گاما تست به منظور تخمین سریع تر تبخیر و تعرق روزانه. آب و خاک (علوم و صنایع کشاورزی)[Internet]. 1389؛24(3):610-624. Available from: https://sid.ir/paper/141512/fa

    IEEE: کپی

    محمد قبایی سوق، ابوالفضل مساعدی، موسی حسام، و ابوطالب هزارجریبی، “ارزیابی تاثیر پیش پردازش پارامترهای ورودی به شبکه عصبی مصنوعی (ANNs) با استفاده از روشهای رگرسیون گام به گام و گاما تست به منظور تخمین سریع تر تبخیر و تعرق روزانه،” آب و خاک (علوم و صنایع کشاورزی)، vol. 24، no. 3، pp. 610–624، 1389، [Online]. Available: https://sid.ir/paper/141512/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا