جستجو در مقالات منتشر شده


2 نتیجه برای Artificial Neural Network

علیرضا انتظاری، جـواد حدادنیـا‌، مرتضی جعفرزاده، ابـراهیم کورونـدی‌،
دوره 1، شماره 3 - ( 1-1390 )
چکیده

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.
حسین نگارش، محسن آرمش،
دوره 2، شماره 6 - ( 10-1390 )
چکیده

در اثر تغییرات آب و هوایی رخدادهای ناگوار اقلیمی‌مانند خشک‌سالی در بسیاری از نقاط کره‌ی زمین تشدید شده است. در این پژوهش با استفاده از مدل شبکه‌ی عصبی خشک‌سالی‌های شهر خاش در سه بازه‌ی زمانی ماهانه، سه ماهه و دوازده ماهه پیش‌بینی شد. جهت این امر آمار اقلیمی‌ شامل نم‌نسبی، دما و بارش ایستگاه هواشناسی شهر خاش و شاخص‌های اقلیمی‌از سال 1961 تا 2010 مورد استفاده قرار گرفت و شاخص خشک‌سالی SPI به عنوان خروجی مدل‌ها در نظر گرفته شد. 70 درصد داده‌ها به عنوان داده‌های مرحله آموزش و 30 درصد به عنوان داده‌های آزمایش در نظر گرفته شد. شبکه‌های مورد استفاده از نوع پس انتشار و تابع پایه‌ی شعاعی با الگوریتم پس انتشار خطا و روش یادگیری لونبرگ ـ مارکواردت می‌باشند. پس از تشکیل مدل‌های فراوان با ساختار متفاوت از تعداد ورودی، تعداد لایه و نرون، پیش‌بینی سه ماهه خشک‌سالی به عنوان بهترین بازه زمانی جهت پیش‌بینی خشک‌سالی شناخته شد و پس از آن پیش‌بینی دوازده ماهه خشک‌سالی نتایج مناسبی ارائه داد. مقایسه دو نوع شبکه عصبی نشان داد که شبکه پس انتشار با دو لایه پنهان 15 نرونی و با ورودی‌های بیشینه نم‌نسبی، میانگین نم‌نسبی با 3 فصل تأخیر، شاخص بارش موسمی‌جنوب غربی آمریکا با 4 فصل تأخیر، شاخص بارش موسمی‌جنوب غربی آمریکا با 2 فصل تأخیر، میانگین نم‌نسبی و کمینه‌ی نم‌نسبی مناسب‌ترین مدل جهت پیش‌بینی سه ماهه خشک‌سالی در شهر خاش می‌باشد. مقایسه نتایج مدل شبکه‌ی عصبی و مدل رگرسیونی بر دقت و توانایی شبکه‌ی عصبی در پیش‌بینی خشک‌سالی شهر خاش صحه گذاشت.

صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به فصلنامه مطالعات جغرافیایی مناطق خشک می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2021 All Rights Reserved | Journal of Arid Regions Geographics Studies

Designed & Developed by : Yektaweb