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:

297
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

527
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

عدم قطعیت شبکه عصبی مصنوعی در تخمین تبخیر روزانه (مطالعه موردی: ایستگاه های رشت و منجیل)

صفحات

 صفحه شروع 1 | صفحه پایان 12

چکیده

 در این تحقیق کاربرد شبکه عصبی پرسپترون چندلایه (MLP) برای پیش بینی تبخیر روزانه در دو ایستگاه سینوپتیک رشت و منجیل واقع در استان گیلان در شمال ایران بررسی گردیده است. ابتدا با استفاده از آزمون گاما مهم ترین ترکیب از پارامترهای هواشناسی برای هر دو ایستگاه شناسایی و مدل سازی براساس ترکیب بهینه صورت گرفت. نتایج مدل شبکه عصبی مصنوعی-آزمون گاما (ANN-GT) با استفاده از معیارهای ارزیابی مدل همچون مجذور میانگین مربعات خطا (RMSE) ضریب همبستگی (CC) و ضریب ناش-ساتکلیف (NS) ارزیابی شده است. نتایج نشان داد که مدل (ANN-GT) برای ایستگاه رشت با ضریب همبستگی 86/0, مجذور میانگین مربعات خطا 95/0, ضریب ناش-ساتکلیف 74/0 و ایستگاه منجیل با ضریب همبستگی 94/0, مجذور میانگین مربعات خطا 58/1, ضریب ناش-ساتکلیف 89/0, دارای عملکرد قابل قبولی در پیش بینی تبخیر روزانه می باشد. برای بررسی عدم قطعیت, درصدی از داده های مشاهده شده که در محدوده باند پیش بینی عدم قطعیت 95 درصد (95PPU) قرارگرفته اند (P-factor) و عرض متوسط باند (d-factor) برای مدل, مدنظر قرار داده شد. بنابر نتایج عدم قطعیت, عرض متوسط باند عدم قطعیت (d-factor) برای ایستگاه رشت (30/0) و برای منجیل (33/0) برآورد شد. این امر حاکی از عدم قطعیت پایین مدل شبکه عصبی مصنوعی-آزمون گاما (ANN-GT) در پیش بینی تبخیر روزانه برای هر دو ایستگاه می باشد. همچنین درصد داده های مشاهداتی در باند (95PPU) برای رشت 25 و برای منجیل 45 درصد به دست آمد. دلیل پایین بودن این مقادیر رامی توان, وجود عدم قطعیت های کوچک در پارامترها ذکر کرد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    بی آزار، سیدمصطفی، قربانی، محمدعلی، و شاهدی، کاکا. (1398). عدم قطعیت شبکه عصبی مصنوعی در تخمین تبخیر روزانه (مطالعه موردی: ایستگاه های رشت و منجیل). پژوهشنامه مدیریت حوزه آبخیز، 10(19 )، 1-12. SID. https://sid.ir/paper/373782/fa

    Vancouver: کپی

    بی آزار سیدمصطفی، قربانی محمدعلی، شاهدی کاکا. عدم قطعیت شبکه عصبی مصنوعی در تخمین تبخیر روزانه (مطالعه موردی: ایستگاه های رشت و منجیل). پژوهشنامه مدیریت حوزه آبخیز[Internet]. 1398؛10(19 ):1-12. Available from: https://sid.ir/paper/373782/fa

    IEEE: کپی

    سیدمصطفی بی آزار، محمدعلی قربانی، و کاکا شاهدی، “عدم قطعیت شبکه عصبی مصنوعی در تخمین تبخیر روزانه (مطالعه موردی: ایستگاه های رشت و منجیل)،” پژوهشنامه مدیریت حوزه آبخیز، vol. 10، no. 19 ، pp. 1–12، 1398، [Online]. Available: https://sid.ir/paper/373782/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