ارزیابی دقت شبکه عصبی مصنوعی بازگشتی نارکس در پیش بینی بارش روزانه در استان کرمان

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 274

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JOPG-8-27_006

تاریخ نمایه سازی: 13 آذر 1400

چکیده مقاله:

بارش یکی از پارامترهای مهم اقلیمشناسی و سایر علوم جوی که از اهمی ت والای ی در حیات بشر برخوردار است. در سالهای اخیر، سیل و خشکسالی خسار های فراوانی را در بس یاری از مناطق جهان در پی داشته است. پیش بینی بارش در مدیریت و هشدار این معضلا نق ش مهمی بر عهده دارد. امروزه شبکههای عصبی مصنوعی از جمله روشهای نوین م یباش د ک ه برای تخمین و پیشبینی پارامترها با استفاده از ارتباط ذاتی بین دادهه ا توس عه یافت ه اس ت. هدف این پژوهش، ارزیابی دقت شبکه عصبی بازگشتی نارکس در پیش بین ی ب ارش روزان ه میباشد که با استفاده از آمار روزانه هواشناسی ایستگاههای کرمان، بافت و میانده جیرفت، طی ۷۳۹۳ (، میباشد به منظور مقایسه به آموزش شبکههای - دوره مشترک آماری ۱۱ ساله ) ۱۱۷۱ عصبی مصنوعی با ساختار پرسپترون چند لایه و شبکه عصبی بازگشتی نارکس پرداخت ه ش د. عوامل اقلیمی موثر در بارش به عنوان ورودیهای شبکههای عصبی مصنوعی و بارش روزانه به و ض ری )MSE( عنوان خروجی شبکه در نظر گرفته شد. آم اره ای می انگین مرب ه ا خط ا به منظور ارزیابی روشهای بکار برده شده، استفاده گردید. نتایج نشان داد ک ه ،)R( همبستگی مدل ترکیبی ۴۱ ، بر پایه قانون آموزش لونبرگ م ارکوا و ت اب مک رک س یگموبید ب ا هم ه پارامترهای هواشناسی در هر سه ایس تگاه از دق ت قاب ل قب ولی برخ وردار اس ت. همچن ین مشخص شد که مدلهای مطلوب شبکه عصبی مصنوعی در یالت تغییرا افزایشی نسبت ب هرطوبت نسبی، دارا ی بیشترین یساسیت هستند

کلیدواژه ها:

نویسندگان

کمال امیدوار

استاد گروه اقلیم شناسی، دانشگاه یزد، ایران

معصومه نبوی زاده

کارشناس ارشد اقلیم شناسی، دانشگاه یزد، ایران

میثم ثمره قاسم

کارشناس ارشد هوش مصنوعی، دانشگاه باهنر، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • افخمی،ح.، دستورانی، م.ت.، ملکی نژاد،ح.، مبین،م.ح.، (۱۳۸۹): بررسی تاثیر عناصر ...
  • اژدرپور، م. (۱۳۸۷): پیش بینی رابطه بارش رواناب به روش ...
  • بهارلو، ر.، (۱۳۸۸): پیش بینی سری زمانی با وابستگی­های دراز ...
  • خسروی م.، شکیبا، ه.، (۱۳۸۹): پیش بینی بارش با استفاده ...
  • قلی زاده م.ح. و دارند،م. (۱۳۸۸): پیش بینی بارش ماهانه ...
  • نمایش کامل مراجع