، entezari@sttu.ac.ir
چکیده: (24973 مشاهده)
در این مطالعه با استفاده از دادههای دمای حداقل روزانه، در دورهی آماری ٢١ سالهی به پیشبینی یخبندانهای استان کرمانشاه با استفاده از شبکههای عصبی پرداخته شده است. دادههای مورد استفاده از طریق تابعی یک به یک و پوشا به منظور تعیین معیاری جهت پیشبینی یخبندان به مقادیر بین صفر و یک تبدیل شده و از شبکه پیش رو با یک لایه میانی مخفی با تعداد نورونهای متغیر برای هر یک از ایستگاهها به پیشبینی و بالاخره تعیین بازههای یخبندان پرداخته شد. الگوریتم مورد استفاده در این پژوهش، پس انتشار با روش آموزش دستهای و توابع انتقال Satlins، Logsig و Satlin بوده است. تعیین بازههای یخبندان و بدون یخبندان در هر یک از ایستگاههای سینوپتیک و پیشبینی یخبندانهای زودرس و دیررس از نتایج این مطالعه بوده و شبکه طراحی شده بین 72.22 تا 80.55 درصد برای هر ایستگاه همگرایی داشته است. نتایج نشان میدهد با توجه به محدودیت دادهها، شبکههای عصبی MLP توانایی مطلوبی در پیشبینی و تخمین یخبندانها دارد.
نوع مطالعه:
پژوهشي |
دریافت: 1391/7/3 | پذیرش: 1392/7/6 | انتشار: 1390/1/26