مقایسه روش های شبکه عصبی، پیاده سازی ANFIS با استفاده سری زمانی و روش رگرسیون جهت پیش بینی دمای کمینه ایستگاه هواشناسی فرودگاهی بجنورد
- سال انتشار: 1397
- محل انتشار: چهارمین کنفرانس ملی دستاوردهای نوین در برق و کامپیوتر و صنایع
- کد COI اختصاصی: NCAEC04_051
- زبان مقاله: فارسی
- تعداد مشاهده: 627
نویسندگان
دانشجوی کارشناسی ارشد، موسسه آموزش عالی اشراق
عضو هیات علمی، موسسه آموزش عالی اشراق
عضو هیات علمی، موسسه آموزش عالی اشراق
چکیده
امکان وجود نویز در مدل های هواشناسی از قبیل GFS ، CMC و .. می تواند فرآیند پیش بینی پارامترهای هوا شناسی را دشوارتر نماید. بنابراین شناسایی مقادیر نویز در مدل های هواشناسی و اصلاح آنها توسط روش های مختلف آماری و شبکه عصبی امری ضروری است. دمای هوا یکی از پارامترهای مهم هواشناسی می باشد که تغییرات بسیاری از پارامترهای هواشناسی به آن وابسته است. لذا شناخت لازم از میزان تغییرات و مقادیر پیش بینی شده این پارامتر در جهت برنامه ریزی دقیق تر در مدیریت بخش های مختلف کشاورزی، اقتصادی کمک شایانی می نماید. در این تحقیق سه روش شبکه عصبی ELMAN ، RBF و پرسپترون چند لایه همراه با روش رگرسیون و همچنین روش پیاده سازی ANFIS با استفاده از سری زمانی مورد ارزیابی قرار گرفته که با مقایسه RMSE و MSE آموزش و آزمون روش های مذکور، روش رگرسیون بهترین عمکرد نسبت به روش های دیگر را داراست.کلیدواژه ها
؛ ELMAN، RBF، MLP، پیاده سازی ANFIS با استفاده سری زمانی، رگرسیونمقالات مرتبط جدید
- بررسی جامع پتانسیلها و اثرات هوش مصنوعی و ChatGPT در پیشبرد و شکل دهی به فرآیندهای آموزشی مدرن
- بررسی کاربرد هوش مصنوعی در تعاملی سازی محیط یادگیری الکترونیکی
- تحلیلی از نقاط قوت و ضعف هوش مصنوعی در حل مسئله ریاضی
- استفاده از ChatGPT برای بهبود فعالیتهای آزمایشگاهی شیمی
- شخصی سازی آموزش و طراحی آموزشی به واسطه هوش مصنوعی در آموزش عالی
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.