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:

2,031
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1,362
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی میانگین دمای ماهانه ایستگاه سینوپتیک سنندج با استفاده از مدل شبکه عصبی مصنوعی پرسپترون چندلایه (MLP)

صفحات

 صفحه شروع 45 | صفحه پایان 65

کلیدواژه

مدل پرسپترون چندلایه (MLP)Q3

چکیده

پیش بینی دما به عنوان یکی از مهمترین پارامترهای اقلیمی در حوزه های مختلف مدیریت منابع آبی و طبیعی, خشکسالی ها, مطالعات زیست محیطی, خطر سیلاب, کمبود مواد غذایی, گسترش آفات و بیماری ها, حمل و نقل و غیره از اهمیت وی‍ژه ای در تعیین سیاست های آینده جهت بهینه سازی این منابع و صرف هزینه ها, کنترل و جلوگیری از بحران و استفاده از منابع برخوردار است. مدل پرسپترون چندلایه (MLP) یکی از پرکاربردترین مدل های شبکه های عصبی مصنوعی از مولفه های هوش مصنوعی در زمینه پیش بینی عناصر جوی و اقلیمی است که می تواند بدون در نظر گرفتن معادلات پیچیده غیرخطی, دینامیک حاکم بر سیستم را استخراج نموده و خروجی مدل را پیش بینی کند. در این پژوهش, با استفاده از اطلاعات میانگین دمای ماهانه ایستگاه سینوپتیک سنندج در طول دوره آماری 38 ساله (2001-1964), به عنوان ورودی های شبکه پرسپترون چندلایه, میانگین دمای ماهانه در طی سال های (2005-2002) به منظور تعیین میزان خطای مدل, پیش بینی شد. بدین منظور از امکانات و توابع موجود در محیط برنامه نویسی نرم افزار MATLAB, بهره گرفته شد. سپس به ارزیابی عملکرد مدل, از طریق معیارهای آماری از جمله روابط رگرسیونی و ضریب همبستگی بین مقادیر مشاهداتی و پیش بینی شده دما و همچنین میانگین درصد خطای نسبی پرداخته شد. نتایج بدست آمده نشان دهنده کارآیی مناسب و دقت قابل قبول شبکه های عصبی مصنوعی در پیش بینی دما می باشد. به طوری که ضریب همبستگی برابر با 0.99 و میانگین درصد خطای مدل برابر با 1.97 درصد است. یعنی شبکه, دما را با اختلاف کمتر از یک درجه سلسیوس با دمای واقعی پیش بینی کرده است از این رو با استفاده از این روش می توان وضعیت های دمایی را از قبل تعریف نمود و در مدیریت منابع آبی و طبیعی دخالت داد.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    اسفندیاری درآباد، فریبا، حسینی، سیداسعد، آزادی مبارکی، محمد، و حجازی زاده، زهرا. (1389). پیش بینی میانگین دمای ماهانه ایستگاه سینوپتیک سنندج با استفاده از مدل شبکه عصبی مصنوعی پرسپترون چندلایه (MLP). جغرافیا، 8(27)، 45-65. SID. https://sid.ir/paper/150420/fa

    Vancouver: کپی

    اسفندیاری درآباد فریبا، حسینی سیداسعد، آزادی مبارکی محمد، حجازی زاده زهرا. پیش بینی میانگین دمای ماهانه ایستگاه سینوپتیک سنندج با استفاده از مدل شبکه عصبی مصنوعی پرسپترون چندلایه (MLP). جغرافیا[Internet]. 1389؛8(27):45-65. Available from: https://sid.ir/paper/150420/fa

    IEEE: کپی

    فریبا اسفندیاری درآباد، سیداسعد حسینی، محمد آزادی مبارکی، و زهرا حجازی زاده، “پیش بینی میانگین دمای ماهانه ایستگاه سینوپتیک سنندج با استفاده از مدل شبکه عصبی مصنوعی پرسپترون چندلایه (MLP)،” جغرافیا، vol. 8، no. 27، pp. 45–65، 1389، [Online]. Available: https://sid.ir/paper/150420/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا