پیش بینی بارندگی شهرستان بشرویه به کمک شبکه عصبی مصنوعی با متوازن سازی داده ها
- سال انتشار: 1401
- محل انتشار: اولین همایش بین المللی و دومین همایش ملی مدل سازی و فناوری های جدید در مدیریت آب
- کد COI اختصاصی: MIWM02_043
- زبان مقاله: فارسی
- تعداد مشاهده: 238
نویسندگان
دانشجو، دانشگاه بیرجند، دانشکده مهندسی برق، گروه الکترونیک
استاد، دانشگاه بیرجند، دانشکده مهندسی برق، گروه الکترونیک
چکیده
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.مقالات مرتبط جدید
- بررسی عوامل موثر بر توسعه عملکرد شغلی در سازمان تامین اجتماعی مورد مطالعه استان مازندران
- مروری بر شایستگی های مدیران منابع انسانی در راستای تفکر پارادوکسی
- توصیف نقش سیستم های اطلاعاتی منابع انسانی در مدیریت منابع انسانی مبتنی بر شواهد
- از تکنواسترس تا نارضایتی: نقش میانجی تعارض کار-خانواده در سازمان انتقال خون ایران
- تغییر در ادراک کارکنان هنگام ادغام هوش مصنوعی با مدیریت منابع انسانی با نقش واسطه اعتماد به فناوری
اطلاعات 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.