بررسی تاثیر معماری شبکه و تعداد پارامترهای ورودی به آن بر تخمین بارش ماهانه به کمک ANN

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 275

فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WSEC01_003

تاریخ نمایه سازی: 21 بهمن 1397

چکیده مقاله:

یکی از مهمترین پارامترهای اقلیمی هر منطقه بارش می باشد. پیش بینی این پارامتر یکی از اهداف مهندسین منابع آب بوده است. در این تحقیق به کمک شبکه عصبی مصنوعی در نرم افزار MATLAB به پیش بینی بارش ماهانه پرداخته شد. بدین منظور از داده های هواشناسی ایستگاه اسلام آباد غرب واقع در استان کرمانشاه در یک بازه 28 ساله (2014-1987) استفاده گردید. تاثیر معماری (نوع شبکه) و تعداد پارامترهای ورودی مختلف در پیش بینی بارش ماهانه به کمک مدل شبکه عصبی انجام گرفت. نتایج نشان داد که با افزایش تعداد ورودی ها از 2 به 5 مقدار پارامتر آماری خطا RMSE کاهش قابل توجهی پیدا می کند. بهترین مدل در برآورد بارش ماهانه دارای 5 پارامتر ورودی: سرعت باد، دمای حداقل، دمای حداکثر، رطوبت نسبی،ساعت آفتابی، و تعداد 3 لایه مخفی با 32 نرون و همچنین نوع شبکه fitnet بود. مقادیر RMSE و R2 برای بهترین مدل به ترتیب برابر 0/729 و 0/7708 بدست آمد.

نویسندگان

مجتبی دهقان

دانشجوی کارشناسی ارشد عمران مدیریت منابع آب، موسسه آموزش عالی غیاث الدین جمشید کاشانی، قزوین، ایران