پیش بینی بارش روزانه با استفاده از روش شبکه عصبی DeepESN و بر اساس داده های ایستگاه های هواشناسی استان هرمزگان
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 255
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IAT-1-3_003
تاریخ نمایه سازی: 29 فروردین 1401
چکیده مقاله:
در این پژوهش دقت مدل پیشبینی روزانه بارش توسط شبکه عصبی DeepESN و روش رگرسیون چندمتغیره خطی مورد مقایسه قرار گرفته است. در همین راستا دادههای واقعی بارش و همچنین دیگر پارامترهای تاثیرگذار بر آن را با فاصله زمانی روزانه مربوط به ۳۰ سال گذشته از اداره تحقیقات هواشناسی استان هرمزگان دریافت و از طریق هردو روش فوق مورد تحلیل و بررسی قرار گرفتهاند. این دادهها مربوط به شهرهای بندرعباس، قشم و میناب بوده و به جهت نزدیکی شرایط آب و هوایی این سه شهر، دادهها قبل از ورود به شبکه عصبی و رگرسیون چندمتغیره، میانگینسازی شدهاند. پیادهسازی شبکه عصبی DeepESN در نرم افزار متلب و پیادهسازی روش رگرسیون چندمتغیره خطی در نرم افزار SPSS صورت پذیرفته است. در پایان نتایج نشان داد که مدل پیشبینی بارش روزانه مربوط به شبکه عصبی DeepESN نسبت به رگرسیون چندمتغیره خطی دارای مدل پیشبینی بهتری با استفاده از خروجی توابع ارزیابی بوده است.
کلیدواژه ها:
نویسندگان
خاطره اصغری طاهرگورابی
دانشکده فنی و مهندسی ،گروه کامپیوتر ، واحد بندرعباس ، دانشگاه آزاد اسلامی بندرعباس، ایران
امیر رجبی بهجت
دانشکده فنی و مهندسی، واحد رفسنجان، دانشگاه آزاد اسلامی، رفسنجان، ایران
هدایت الله دلاکی
دانشکده فنی ومهندسی ، واحد بندرعباس ، دانشگاه آزاد اسلامی ، بندرعباس ، ایران.
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 :