تحلیل عدم قطعیت مدل های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در تخمین بارش

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 82

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIRCSA-5-1_005

تاریخ نمایه سازی: 28 مرداد 1402

چکیده مقاله:

در این تحقیق سعی گردید، ترکیب ورودی و مدل مناسب برای تخمین بارش های شهرستان شاهرود تعیین گردد. برای رسیدن به این هدف از داده­های ماهانه هواشناسی شامل تبخیر، دما، رطوبت نسبی هوا، تابش­های خورشیدی، سرعت باد در دوره­ آماری ۱۳۴۲ تا ۱۳۹۴ و مدل­های شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده است. ۷۵ درصد از داده­ها برای واسنجی و ۲۵ درصد دیگر جهت اعتبارسنجی مدل­ها استفاده شده است. در این تحقیق از شبکه عصبی مصنوعی پرسپترون چند لایه با تابع تانژانت سیگموئید و ۱ تا ۳۰ نرون در لایه پنهان و از مدل ماشین بردار پشتیبان با تابع کرنل پایه شعاعی جهت تخمین بارش های منطقه شهرستان شاهرود استفاده شده است. عملکرد هر یک از مدل­ها با استفاده از شاخص­های آماری مجذور میانگین مربعات خطا و ضریب همبستگی ارزیابی شده است و عدم قطعیت مدل­ها نیز به ­ازای دو پارامتر d-factor و p-factor تعیین گردیده است. با توجه به این که هر دو مدل عملکرد مناسبی در تخمین بارش داشته­اند، ولی مدل ماشین بردار پشتیبان با خطا و عدم قطعیت کمتری نسبت به مدل شبکه عصبی مصنوعی، عملکرد بهتری در تخمین بارش شهرستان شاهرود داشته است. بنابراین مدل ماشین بردار پشتیبان می­تواند به ­عنوان یک مدل بسیار مناسب در تخمین بارش مورد استفاده قرار گیرد.

نویسندگان

بابک محمدی

University of Tabriz

روزبه موذن زاده

Shahroud University of Technology

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 :
  • زارع ابیانه، ح.، م. بیات ورکشی، س. اخوان و م. ...
  • غلامی، و.، و م. جعفری (۱۳۸۹). بررسی عوامل موثر در ...
  • Abbaspour K.C., Yang J., Maximov I., Siber R., Bogner K., ...
  • Coulibaly P., Anctil F. and Bobée B. (۲۰۰۰). Daily reservoir ...
  • Dams J., Woldeamlak S. and Batelaan O. (۲۰۰۷). Forecasting land-use ...
  • Dibike Y., Velickov S., Solomatine D. and Abbott M. (۲۰۰۱). ...
  • Ghorbani M.A., Ahmad Zadeh H., Isazadeh M., and Terzi O. ...
  • Kavzoglu T. and Colkesen I. (۲۰۰۹). A kernel functions analysis ...
  • Khaki M., Yusoff I. and Islami N. (۲۰۱۵). Application of ...
  • Kheradpisheh Z., Talebi A., Rafati L., Ghaneian M.T. and Ehrampoush ...
  • زارع ابیانه، ح.، م. بیات ورکشی، س. اخوان و م. ...
  • غلامی، و.، و م. جعفری (۱۳۸۹). بررسی عوامل موثر در ...
  • Abbaspour K.C., Yang J., Maximov I., Siber R., Bogner K., ...
  • Coulibaly P., Anctil F. and Bobée B. (۲۰۰۰). Daily reservoir ...
  • Dams J., Woldeamlak S. and Batelaan O. (۲۰۰۷). Forecasting land-use ...
  • Dibike Y., Velickov S., Solomatine D. and Abbott M. (۲۰۰۱). ...
  • Ghorbani M.A., Ahmad Zadeh H., Isazadeh M., and Terzi O. ...
  • Kavzoglu T. and Colkesen I. (۲۰۰۹). A kernel functions analysis ...
  • Khaki M., Yusoff I. and Islami N. (۲۰۱۵). Application of ...
  • Kheradpisheh Z., Talebi A., Rafati L., Ghaneian M.T. and Ehrampoush ...
  • نمایش کامل مراجع