• انتخاب بهترین پارامترهای شبکه عصبی (ann) به منظور تخمین داده های بارش ماهانه

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/11/01
    • تاریخ انتشار در تی پی بین: 1393/11/01
    • تعداد بازدید: 840
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
     بارندگی یکی از اجزای اصلی چرخه ی هیدرولوژی است. اندازه گیری نقطه ای بارندگی، عدم پراکنش مناسب ایستگاه های هواشناسی و همچنین عدم دسترسی به برخی مناطق برای اندازه گیری باعث پیدایش روش هایی برای برآورد داده های معتبر در مناطق فاقد آمار شده است. شبکه عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدلسازی سیستم پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده است. برای این منظور پژوهشی در استان قزوین در 36 ایستگاه هواشناسی در 6 سال آماری انجام شد. سپس با استفاده از مقادیر بارندگی به عنوان خروجی هدف، شبکه های مختلفی با ساختارهای متفاوت تعریف و آموزش داده شد. 20% داده ها به طور تصادفی برای ارزیابی شبکه ها استفاده شد. در نهایت داده های پیش بینی شده توسط شبکه های مختلف با شاخص آماری میانگین انحراف خطا (mbe)، مجموع مربعات خطا (sse) و ضریب همبستگی ((r2 مقایسه شد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها