تحلیل عدم قطعیت مدل های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در تخمین بارش

در این تحقیق سعی گردید، ترکیب ورودی و مدل مناسب برای تخمین بارش های شهرستان شاهرود تعیین گردد. برای رسیدن به این هدف از داده­های ماهانه هواشناسی شامل تبخیر، دما، رطوبت نسبی هوا، تابش­های خورشیدی، سرعت باد در دوره­ آماری ۱۳۴۲ تا ۱۳۹۴ و مدل­های شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده است. ۷۵ درصد از داده­ها برای واسنجی و ۲۵ درصد دیگر جهت اعتبارسنجی مدل­ها استفاده شده است. در این تحقیق از شبکه عصبی مصنوعی پرسپترون چند لایه با تابع تانژانت سیگموئید و ۱ تا ۳۰ نرون در لایه پنهان و از مدل ماشین بردار پشتیبان با تابع کرنل پایه شعاعی جهت تخمین بارش های منطقه شهرستان شاهرود استفاده شده است. عملکرد هر یک از مدل­ها با استفاده از شاخص­های آماری مجذور میانگین مربعات خطا و ضریب همبستگی ارزیابی شده است و عدم قطعیت مدل­ها نیز به ­ازای دو پارامتر d-factor و p-factor تعیین گردیده است. با توجه به این که هر دو مدل عملکرد مناسبی در تخمین بارش داشته­اند، ولی مدل ماشین بردار پشتیبان با خطا و عدم قطعیت کمتری نسبت به مدل شبکه عصبی مصنوعی، عملکرد بهتری در تخمین بارش شهرستان شاهرود داشته است. بنابراین مدل ماشین بردار پشتیبان می­تواند به ­عنوان یک مدل بسیار مناسب در تخمین بارش مورد استفاده قرار گیرد.

کلیدواژه ها:

Keywords: Estimating precipitation ، Shahrood ، artificial neural network ، uncertainty ، SVM ، واژه­های کلیدی: تخمین بارش ، شاهرود ، شبکه عصبی مصنوعی ، عدم قطعیت ، ماشین بردار پشتیبان