بررسی نوع و تعداد پارامترهای ورودی شبکه عصبی مصنوعی در دقت برآورد بارش (مطالعه موردی : شهر مشهد)
محل انتشار: ششمین کنفرانس ملی مدیریت منابع آب ایران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 491
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WRM06_200
تاریخ نمایه سازی: 6 بهمن 1395
چکیده مقاله:
بارش به عنوان مهمترین عنصر اقلیمی، همواره از پیچیدگی های خاصی برخوردار بوده است. اندازه گیری دقیق بارش کاربردهای بسیاری در تحقیقات اقلیمی، کشاورزی، خشکسالی، بلایای طبیعی و آب- شناسی دارد. در این مطالعه، به دلیل رفتار غیرخطی بارش، از شبکه های عصبی مصنوعی جهت پیش بینی آن بهره گرفته شد. بدین منظور داده های سالانهی ایستگاه سینوپتیک مشهد طی دوره 40 ساله (1970-2010) در قالب داده های هواشناسی بارشی و غیربارشی مد نظر قرار گرفت. نتایج اجرای شبکه عصبی مصنوعی با پارامترهای هواشناسی غیربارشی به عنوان ورودی، نشان داد که استفاده از شبکه های عصبی مصنوعی با 1 لایه پنهان و 8 نرون لایه میانی و قانون یادگیری لونبرگ-مارکوات و تابع محرک سیگموئید نسبت به سایر حالت ها و معماری شبکه، خطای کمتر (NRMSE=0/192) و همبستگی بیشتر (r=0/93) داشت. در مقابل با کاربرد داده های بارشی به عنوان ورودی شبکه عصبی مصنوعی خطا به (NRMSE=0/219) افزایش و همبستگی به (r=0/08) کاهش یافت. در نهایت معین شد،کاربرد داده های هواشناسی غیربارشی نسبت به داده های بارشی، منجر به برآورد بهتر بارش در منطقه مورد مطالعه می گردد.
کلیدواژه ها:
نویسندگان
سمیه سادات اعطاف
دانشجوی کارشناسی ارشد منابع آب دانشگاه ملایر
مریم بیات ورکشی
استادیار مهندسی منابع آب دانشگاه ملایر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :