تأثیر پیش پردازش متغیرهای ورودی به شبکه عصبی برای پیش بینی جریان ماهانه با آنالیز مؤلفه های اصلی و موجک
- سال انتشار: 1388
- محل انتشار: مجله آب و فاضلاب، دوره: 20، شماره: 69
- کد COI اختصاصی: JR_WWJ-20-69_002
- زبان مقاله: فارسی
- تعداد مشاهده: 567
نویسندگان
دانشجوی دکترای مهنسدی محیط زیست، دانشگاه تهران
دانشجوی کارشناسی ارشد مهندسی منابع آب ، دانشکده کشاورزی ، دانشگاه تربیت مدرس ، تهران
دانشیار گروه مهندسی منابع آب ، دانشکده کشاورزی ، دانشگاه تربیت مدرس ، تهران
دانشجوی دکترای سازه های آبی ، دانشکده کشاورزی ، دانشگاه تربیت مدرس ، تهران
چکیده
برآورد جریان حوضه آبریز با توجه به کاربرد گسترده آن در علوم مرتبط با صنعت آب ، از دیرباز مورد توجه پژوهشگران بوده است . ارائه الگوهای نو و به کارگیری تکنیک های پیشرفته می تواند موجب ایجاد تحول در برآورد این سیستم دینامیک و غیرخطی شود. در این تحقیق برای پیش بینی جریان ماهانه ، از شبکه عصبی پیشخور استفاده گردیده است . به علت تعداد زیاد متغیرهای مورد استفاده در این تحقیق برای پیش بینی جریان ، شناخت متغیرهای مؤثر بر شبکه می تواند باعث بهبود نتایج گردد . به این منظور ، با استفاده از تکنیک آماری آنالیز مؤلفه های اصلی ، که باعث کاهش تعداد متغیرها و ورود متغرهای مؤثر به شبکه می شود ، اقدام به مدل سازی جریان شد (PCA-ANN) . در ابتدا از PCA برای کاهش متغیرهای ورودی استفاده شد و پس از تبدیل 18 متغیر به 18 مؤلفه جدید ، از 8 مؤلفه اول در بهترین مدل به عنوان ورودی به شبکه استفاده گردید. همچنین با استفاده از موجک ، پیش پردازش روی متغیرهای اصلی صورت گرفت و مدلی نیز برای پیش بینی جریان با این روش ارائه شد (WNN). در نهایت ، نتایج به دست آمده از این سه مدل ، حاکمی از نقش مؤثر بیش پردازش روی متغیرها توسط PCA و موچجک بود. همچنین در مقایسه با مدل های ANN و WNN در مدل PCA-ANN ، ساختار ساده تر ، سرعت آموزش شبکه بیشتر و نتایج رضایت بخش تر بود.کلیدواژه ها
شبکه عصبی مصنوعی ، پیش بینی جریان ماهانه ، آنالیز مؤلفه اصلی ، تبدیل موجک ، رودخانه صوفی چایمقالات مرتبط جدید
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.