پارامتر های موثر بر پیش بینی سرعت باد با استفاده شبکه عصبی مصنوعی(مطالعه موردی: بندر ماهشهر)
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 495
فایل این مقاله در 11 صفحه با فرمت PDF و WORD 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:
CEUCONF05_370
تاریخ نمایه سازی: 26 مرداد 1397
چکیده مقاله:
سرعت باد یکی از متغیر های مهم هواشناسی است. مدل ها و روش های متعددی برای پیش بینی این عامل وجود دارد. در سال های اخیر با شناخته شدن ابزار محاسبات نرم، به عنوان روشی نوین در ایجاد سیستم های هوشمند، این روش جایگاهی ویژه در علوم هواشناسی پیدا کرد. استفاده از رویکرد شبکه عصبی مصنوعی(ANN) یکی از این روش هاست. در مدل های شبکه های عصبی مصنوعی سنتی، به طور معمول متغیر های ورودی هواشناسی منفرد مورد بررسی قرار می گیرد. در این مقاله مقادیر سرعت باد روزانه در ساعتی مشخص با استفاده از داده های سرعت استخراج شده از مدل سیستم پیش بینی جهانی(GFS) و داده های هواشناسی(فشار هوا، دمای هوا، رطوبت نسبی، جهت باد و بارش) با ساختار های مختلف(ورودی های متفاوت) مدل سازی و تاثیر این پارامتر ها در پیش بینی سرعت باد روزانه مقایسه می شود. داده های روزانه ثبت شده در ساعتی مشخص در ایستگاه سینوپتیک بندر ماهشهر برای دوره زمانی اکتبر 2014 تا جولای 2016 موجود است. با توجه به مقایسه نتایج بدست آمده، متوسط R و RMSE در ساختار شبکه های عصبی مصنوعی مختلف مورد بررسی قرار گرفت. در مدل بهینه شاخص R در آموزش و آزمایش و RMSE به ترتیب 0.96، 0.94 و 1.65 بدست آمد.
نویسندگان
سیده فروزان خاکزاد
دانشجو ی کارشناسی ارشد گروه آب و محیط زیست، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران
سعید گلیان
استادیار گروه آب و محیط زیست، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران