پیش بینی بارش اصفهان با استفاده از شبکه های عصبی مصنوعی
- سال انتشار: 1391
- محل انتشار: فصلنامه تحقیقات کاربردی علوم جغرافیایی، دوره: 12، شماره: 26
- کد COI اختصاصی: JR_JGSKH-12-26_003
- زبان مقاله: فارسی
- تعداد مشاهده: 149
نویسندگان
استادیار اقلیم شناسی، گروه جغرافیا، دانشگاه پیام نور، تهران، ایران
استادیار اقلیم شناسی، دانشگاه کردستان
چکیده
بارش مهمترین سنجهی هواشناسی و اقلیمی است. در این پژوهش به منظور پیشبینی بارش اصفهان از داده های بارش ماهانهی ایستگاه همدید اصفهان در بازهی آماری (۱۹۵۱-۲۰۰۹) به مدت ۵۹ سال و به دلیل رفتار غیرخطی بارش از شبکه های عصبی مصنوعی جهت پیشبینی آن بهره گرفته شد. در این ارتباط، ۷۰ درصد دادهها جهت آموزش شبکه و ۳۰ درصد داده ها برای تست و اعتبار سنجی اختصاص داده شد. نتایج پژوهش بعد از آزمون شبکه با لایه های پنهان و با ضرایب یادگیری مختلف آشکار ساخت که استفاده از شبکه های عصبی مصنوعی با یک پرسپترون با ۲ لایه پنهان و ضریب یادگیری ۴/۰ نسبت به سایر حالتها و معماری شبکه، مدل نسبتا بهتری را ارائه میکند. به بیانی دیگر، دادههای پیش بینی شده بارش ماهانه توسط شبکه با چنین ساختار و معماری، بیشتر با واقعیت انطباق دارد. آموزش مجدد شبکه و آزمون شبکه با لایه های پنهان و ضرایب مختلف یادگیری در ترکیب با الگوریتم ژنتیک نیز نشان داد که ترکیب شبکه با ویژگی های مذکور با الگوریتم ژنتیک باعث کاهش خطا و افزایش سرعت محاسبات شده و مدل بهتری را ارائه می کند. بطور کلی می توان گفت که شبکه عصبی به خوبی رابطه غیر خطی بین مقادیر ماهانه بارش را با توجه به آموزش شبکه با خصوصیات ذکر شده، پیش بینی می کند. در عین حال، نتایج حاصل از تصادفی کردن دادهها تفاوتی چندانی با مرتب بودن دادهها برای آموزش شبکه ندارد.کلیدواژه ها
بارش, پیشبینی, شبکه های عصبی مصنوعی, الگوریتم ژنتیک, اصفهاناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.