پیش پردازش پارامترهای ورودی به شبکه ی عصبی مصنوعی و سیستم استنتاج تطبیقی عصبی- فازی با استفاده از رگرسیون گام به گام و گاماتست به منظور تخمین تبخیر
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 3، شماره: 1
سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 156
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-3-1_006
تاریخ نمایه سازی: 4 اسفند 1400
چکیده مقاله:
فرایند تبخیر بهعلت نیاز به فاکتورهای اقلیمی مختلف و اثر متقابل این فاکتورها بر یکدیگر،یک پدیدهیغیرخطی و پیچیده است. یکی از مراحل پیچیده در مدلسازی غیرخطی، پیشپردازش پارامترهای ورودی برای انتخاب ترکیبی مناسب از آنها است. پیشپردازش دادهها سبب کاهش مراحل سعی و خطا و شناخت مهمترین پارامترهای موثر بر پدیدهی مورد نظر بهمنظور مدلسازی با استفاده از روشهای هوشمند میشود. در این پژوهش از دو روش رگرسیون گام به گام (FS) و گاماتست (GT) برای پیشپردازش پارامترهای ورودی به شبکهی عصبی پرسپترون چندلایه و سیستم استنتاج تطبیقی عصبی- فازی برای تخمین تبخیر روزانهی ایستگاه هواشناسی شهرکرد استفاده شده است. برای ارزیابی تاثیرپیشپردازش پارامترهای ورودی با استفاده از معیارهای مختلف آماری سنجش خطا به مقایسهی چهار مدل ANN-FS، ANN-GT، ANFIS-FS و ANFIS-GT (با پارامترهای پیشپردازش شده) با یکدیگر و همچنین با مدلهای ANN و ANFISکه هیچگونه پیشپردازشی روی پارامترهای ورودی آنها انجام نشده است، پرداخته شد. نتایج نشان داد که هر شش مدل از دقت بالایی برای تخمین تبخیر روزانه برخوردار هستند و از میان شش مدل مزبور، مدل ANFIS-FS با مقدار ضریب تبیین (R۲) ۹۱/۰ و جذر میانگین مربعات خطای (RMSE) ۱۱/۰ چه در مرحلهی آموزش و چه در مرحلهی آزمون، نسبت به مدلهای دیگر از دقت بالاتری برخوردار است. اگرچه در این پژوهش برتری مدلهای پیشپردازش ناچیز است اما توانایی مشخص نمودن ترتیب اهمیت پارامترهای ورودی، تعیین تعداد تقریبا ۳۷۲۰ دادهی معنیدار برای آموزش شبکه و یافتن بهترین ترکیب، آزمون گاماتست را میتواند بهعنوان ابزاری مفید برای پیشپردازش پارامترهای ورودی برای مدلسازی سریعتر تبخیر تبدیل کند.
کلیدواژه ها:
نویسندگان
محمد زمانیان
آبیاری و زهکشی، دانشگاه شهرکرد، شهرکرد، ایران
روح اله فتاحی
استادیار گروه مهندسی آب، دانشگاه شهرکرد، شهرکرد، ایران
فرشته حسین پور
مهندسی آب، دانشگاه شهرکرد،
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :