تعداد نشریات | 39 |
تعداد شمارهها | 1,170 |
تعداد مقالات | 8,437 |
تعداد مشاهده مقاله | 6,310,658 |
تعداد دریافت فایل اصل مقاله | 3,559,246 |
یشبینی بارش روزانه با استفاده از روش شبکه عصبی DeepESN و بر اساس دادههای ایستگاههای هواشناسی استان هرمزگان | ||
مجله نوآوری های فناوری اطلاعات و ارتباطات کاربردی | ||
دوره 1، شماره 3، آذر 1400، صفحه 31-37 اصل مقاله (491.47 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
خاطره اصغری طاهرگورابی* 1؛ امیر رجبی بهجت2؛ هدایت الله دلاکی3 | ||
1دانشکده فنی و مهندسی ،گروه کامپیوتر ، واحد بندرعباس ، دانشگاه آزاد اسلامی بندرعباس، ایران | ||
2دانشکده فنی و مهندسی، واحد رفسنجان، دانشگاه آزاد اسلامی، رفسنجان، ایران | ||
3دانشکده فنی ومهندسی ، واحد بندرعباس ، دانشگاه آزاد اسلامی ، بندرعباس ، ایران. | ||
تاریخ دریافت: 26 تیر 1400، تاریخ بازنگری: 30 آذر 1400، تاریخ پذیرش: 17 اسفند 1400 | ||
چکیده | ||
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 تأثیرگذار بر آن را با فاصله زمانی روزانه مربوط به 30 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 نرمافزار متلب و پیادهسازی روش رگرسیون چندمتغیره خطی در نرمافزار 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. | ||
کلیدواژهها | ||
پیشبینی بارش روزانه؛ شبکه عصبی DeepESN؛ رگرسیون چندمتغیره خطی؛ توابع ارزیابی؛ رگرسیون همبستگی | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 154 تعداد دریافت فایل اصل مقاله: 116 |