پیش بینی بارندگی شهرستان بشرویه به کمک شبکه عصبی مصنوعی با متوازن سازی داده ها

پیش بینی باران با توجه به عملکرد نامنظم وقوع باران کار بسیار سختی می باشد. تشخیص زود هنگام بارش باران به مدیریت و برنامه ریزی صحیح مخصوصا در مناطق خشک و نیمه خشک می شود. پیش بینی مقداردقیق بارش، کاربرد بسیاری در تحقیقات خشکسالی، بلایای طبیعی و آب شناسی دارد. تشخیص زودهنگام باران باعث کنترل بهینه جهت تغذیه سفره های زیر زمینی دارد. با توجه به رفتار غیرخطی باران، استفاده از شبکه های هوشمند عملکرد بهتر و دقت بیشتری نشان می دهد. در این مقاله اطلاعات ایستگاه هواشناسی بشرویه از سال ۱۳۹۵ استخراج شده است. این اطلاعات شامل ۱۹ ویژگی از قبیل تبخیر، دما، رطوبت، وزش باد و ... به عنوان ورودی و میزان بارندگی به عنوان خروجی درنظر گرفته شده است. از روش KNN جهت تخمین اطلاعات از دست رفته و از روش های متعادل سازی جهت پردازش اطلاعات برای تخمین بهتر شبکه عصبی استفاده شده است. نتایج پیاده-سازی نشان می دهند که پردازش اولیه داده باعث بالا رفتن دقت در حدود ۹۹ درصد می شود. مزیت عمده این مقاله نسبت به مقالات دیگر پردازش اولیه داده جهت بهبود شبکه عصبی و قابلیت اطمینان بیشتر است. از میان روش-های بکار رفته، شبکه عصبی SVM و یادگیری شبه نظارتی بهترین جواب براساس معیارهای اندازه گیری را کسب کرده اند.

کلیدواژه ها:

بارندگی ، شبکه عصبی ، یادگیری شبه نظارتی ، داده متوازن ، مقادیر از دست رفته.