ارزیابی دقت شبکه عصبی مصنوعی بازگشتی نارکس در پیش بینی بارش روزانه در استان کرمان مقالة

مؤلف: امیدوار، کمال ؛ نبوی زاده، معصومه ؛ ثمره قاسم، میثم ؛

جغرافیای طبیعی بهار 1394 - شماره 27 التصنيف العلمية - البحثية (Ministry of Science/ISC (‎18 صفحة - من 57 إلی 74 )

الکلمات المفتاحية: بافت پیش بینی بارش میانده جیرفت شبکه عصبی پرسپترون ش بّکه عص بّی ن اّرکس کرم اّن شبکه‌های عصبی مصنوعی بارش شبکه عصبی NARX

خلاصة:

بارش یکی از پارامترهای مهم اقلیم شناسی و سایر علوم جوّی که از اهمیّ تّ والای یّ در حیات بشر برخوردار است. در سالهای اخیر، سیل و خشکسالی خسار های فراوانی را در بس یّاری از مناطق جهان در پی داشته است. پیش بینی بارش در مدیریت و هشدار این معضلا نق شّ مهمی بر عهده دارد. امروزه شبکههای عصبی مصنوعی از جمله روشهای نوین م یّباش دّ ک هّ برای تخمین و پیشبینی پارامترها با استفاده از ارتباط ذاتی بین دادهه اّ توس عّه یافت هّ اس تّ. هدف این پژوهش، ارزیابی دقت شبکه عصبی بازگشتی نارکس در پیش بین یّ ب اّرش روزان هّ میباشد که با استفاده از آمار روزانه هواشناسی ایستگاه های کرمان، بافت و میانده جیرفت، طی 7393 )، میباشد به منظور مقایسه به آموزش شبکههای - دوره مشترک آماری 11 ساله ( 1171 عصبی مصنوعی با ساختار پرسپترون چند لایه و شبکه عصبی بازگشتی نارکس پرداخت هّ ش دّ. عوامل اقلیمی موثر در بارش به عنوان ورودیهای شبکه های عصبی مصنوعی و بارش روزانه به و ض رّی(MS) عنوان خروجی شبکه در نظر گرفته شد. آم اّره اّی می اّنگین مرب ه اّ خط اّ به منظور ارزیابی روشهای بکار برده شده، استفاده گردید. نتایج نشان داد ک هّ ،(R) همبستگی مدل ترکیبی 41 ، بر پایه قانون آموزش لونبرگ م اّرکوا و ت اّب مک رّک س یّگموبید ب اّ هم هّ پارامترهای هواشناسی در هر سه ایس تّگاه از دقّتّ قاب لّقب وّلی برخ وّردار استّ. همچنیّن مشخص شد که مدل های مطلوب شبکه عصبی مصنوعی در یالت تغییرا افزایشی نسبت بهّ رطوبت نسبی، دارا ی بیشترین حساسیّت هستند

ملخص الجهاز:

هدف اين پژوهش ، ارزيابي دقت شبکه عصبي بازگشتي نارکس در پيش بينـي بـارش روزانـه ميباشد که با استفاده از آمار روزانۀ هواشناسي ايستگاه هاي کرمان ، بافت و ميانده جيرفت ، طي دوره مشترک آماري ٢٣ ساله (٢٠١٢-١٩٨٩)، ميباشد به منظور مقايسه به آموزش شبکه هاي عصبي مصنوعي با ساختار پرسپترون چند لايه و شبکه عصبي بازگشتي نارکس پرداختـه شـد. (8 :1389 از جمله روش هاي کارآمد که امروزه براي پيش بيني بارش به عنوان يک فرايند نـامنظم ، اهميـت دارد، شـبکه هـاي عصبي مصنوعي ANN است که به عقيده متخصصان ، علّت اصلي مقبوليت و استفاده روزافزون آن ، قدرت و سرعت بالا در شبيه سازي فرايندهايي است که درک و شناخت درستي از آن وجود نداشـته و يـا بررسـي آن هـا بـا ديگـر روش هـاي موجود، بسيار دشوار و وقت گير ميباشد (قلّي زاده ، ١٣٨٨: ٥٣). الف ) نتايج شبکه عصبي NARX در ايستگاه کرمان مدل هاي شماره ٣٧، ٣٨ ، ٣٩، ٤٠، ٤٢ ، ترکيب هايي بودند که نسبت بـه بقيـه ، همبسـتگي بـالاي ٠/٧ و دقّـت بـالايي داشته اند، کميّنه و بيشينه و ميانگين دما، رطوبت نسبي در اين شبکه نيز از عوامل مهم و مؤثر بوده اند. ج ) نتايج شبکه عصبي NARX در ايستگاه جيرفت مدل هاي شماره ٣٢، ٣٤، ٣٧، ٣٨، ٤٠، ٤١، ٤٢، ترکيب هايي بودند که نسبت به بقيّه ، همبستگي بالاي ٠/٧ و دقّت بالايي داشته اند، کميّنه و بيشينه و ميانگين دما، رطوبت نسبي در اين شبکه نيز از عوامل مهم و مؤثر بوده اند.

استلام ملف الإرجاع :
(پژوهیار, , , )

تحميل
تحميل HTML

رابط قصير:

صفحة:

دخول / الاشتراک

تحتاج الدخول لعرض محتوى المقالة. إذا لم تكن عضوًا ، فتابع من الجزء الاشتراک.

دخول