پیش بینی بارش سالانه اردبیل با استفاده از شبکه عصبی مصنوعی
- سال انتشار: 1394
- محل انتشار: اولین کنگره بین المللی زمین، فضا و انرژی پاک
- کد COI اختصاصی: ATTITTDE01_067
- زبان مقاله: فارسی
- تعداد مشاهده: 564
نویسندگان
کارشناسی ارشد اقلیم شناسی
استادیار گروه اقلیم شناسی دانشگاه آزاد اسلامی واحد نجف آباد
دانشجوی دکترای اقلیم شناسی دانشگاه آزاد اسلامی واحد نجف آباد
چکیده
بارش مهمترین سنجه ی هواشناسی و اقلیمی است. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریتحوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش سالانه با استفاده از شبکه های عصبی مصنوعیدر شهر اردبیل می باشد. در این پژوهش به منظورپیش بینی بارش از داده های بارش ماهانه ی ایستگاه همدید اردبیل در بازه ی آماری(1988-2011) به مدت 23 سال و به دلیل رفتار غیرخطی بارش از شبکه های عصبی مصنوعی جهت پیش بینی آن بهره گرفته شد. در این ارتباط، 63 درصد داده ها جهت آموزش شبکه و 33 درصد داده ها برای تست و اعتبار سنجی اختصاص داده شد. نتایج پژوهش بعد ازآزمون شبکه با لایه های پنهان و با ضرایب یادگیری مختلف آشکار ساخت که استفاده از شبکه های عصبی مصنوعی با پرسپترون چندلایه با 1 و 2 لایه پنهان و ضریب یادگیری اولیه 0/4 و مومنتوم 0/9 نسبت به سایر حالت ها و معماری شبکه، مدل نسبتاً بهتری را ارائه می کند. و ضریب همبستگی بین مقادیر واقعی سالانه بارش و پیش بینی شده توسط شبکه برای سال های 2010 برابربا 0/921 و ضریب تعیین برابر با 0/85 و برای سال 2011 ضریب همبستگی برابر با 0/922 و ضریب تعیین برابر با 0/85 می باشد. 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.کلیدواژه ها
بارش، پرسپترون چندلایه، شبکه عصبی، پیش بینی، اردبیلمقالات مرتبط جدید
- اجرای پایلوت نانوپوشش سیلیکونی بر روی تجهیزات عایقی پست های منتخب تهران و مشهد و بررسی نتایج عملکرد میدانی
- تدوین دستورالعمل برای استفاده از نانوسیالات خنک کننده نیروگاهی
- تولید نانو الیاف کامپوزیتی کربن/ NiMoO۴ به روش الکتروریسی
- پوششش دهی و آزمون مقره های سرامیکی ۷۰ کیلو نیوتون با مواد سیلیکونی حاوی نانو ذرات سیلیکا
- نانوسیالات خنک کننده و بررسی پارامترهای موثر بر خواص و پایداری
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.