انتخاب بهترین پارامترهای شبکه عصبی (ANN) به منظور تخمین داده های بارش ماهانه

انتخاب بهترین پارامترهای شبکه عصبی (ANN) به منظور تخمین داده های بارش ماهانه

• مقاله با عنوان: انتخاب بهترین پارامترهای شبکه عصبی (ANN) به منظور تخمین داده های بارش ماهانه  

• نویسندگان: حامد مازندرانی زاده ، پیمان دانش کار آراسته ، معصومه السادات هاشمی طامه  

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94  

• فرمت فایل: PDF و شامل 7 صفحه می باشد.

 

 

 

چکیــــده:

بارندگی یکی از اجزای اصلی چرخه ی هیدرولوژی است. اندازه گیری نقطه ای بارندگی، عدم پراکنش مناسب ایستگاه های هواشناسی و همچنین عدم دسترسی به برخی مناطق برای اندازه گیری باعث پیدایش روش هایی برای برآورد داده های معتبر در مناطق فاقد آمار شده است. شبکه عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدلسازی سیستم پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده است. برای این منظور پژوهشی در استان قزوین در 36 ایستگاه هواشناسی در 6 سال آماری انجام شد. سپس با استفاده از مقادیر بارندگی به عنوان خروجی هدف، شبکه های مختلفی با ساختارهای متفاوت تعریف و آموزش داده شد. 20% داده ها به طور تصادفی برای ارزیابی شبکه ها استفاده شد. در نهایت داده های پیش بینی شده توسط شبکه های مختلف با شاخص آماری میانگین انحراف خطا (MBE)، مجموع مربعات خطا (SSE) و ضریب همبستگی (R2) مقایسه شد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل civil.sellfile.ir@gmail.com پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **



خرید و دانلود انتخاب بهترین پارامترهای شبکه عصبی (ANN) به منظور تخمین داده های بارش ماهانه


مقایسه میان یابی داده های ماهانه بارش با استفاده از روش کریجینگ و شبکه عصبی

مقایسه میان یابی داده های ماهانه بارش با استفاده از روش کریجینگ و شبکه عصبی

• مقاله با عنوان: مقایسه میان یابی داده های ماهانه بارش با استفاده از روش کریجینگ و شبکه عصبی  

• نویسندگان: حامد مازندرانی زاده ، پیمان دانش کار آراسته ، معصومه السادات هاشمی طامه  

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94  

• فرمت فایل: PDF و شامل 5 صفحه می باشد.

 

 

 

چکیــــده:

بارندگی در تحقیقات و پژوهش های کاربردی مطالعات منابع آب به عنوان مهمترین فاکتور برنامه ریزی در نظر گرفته می شود. در مطالعات از داده های بارندگی ایستگاه های هواشناسی استفاده می شود. در مواردی که بعلت صعب العبور بودن فاقد ایستگاه باشد و داده های معتبر بارندگی وجود نداشته باشد از روش های میانیابی، داده های بارش تخمین زده می شود. در این پژوهش 6 سال آماری (2006-2011)، 36 ایستگاه هواشناسی موجود در استان قزوین مورد مطالعه قرار گرفته است. در بین روش های میانیابی روش متداول زمین آمار و شبکه عصبی مورد بررسی قرار گرفت. به نحوی که 20% از ایستگاه ها را به عنوان داده های ارزیابی روش ها در نظر گرفته شده است. شاخص تعیین بهترین روش، میانگین انحراف خطا (MBE)، میانگین مربعات خطا (MSE) و و ضریب همبستگی (R2) که از روی داده های اندازه گیری شده و محاسبه شده بدست آمد به عنوان شاخص های مقایسه دو روش در نظر گرفته شده اند. نتایج نشان می دهد شبکه عصبی که با استفاده از پارامترهای صحیح آموزش دیده باشد از توانایی بیشتری در تخمین و برازش داده ها به سایر نقاط فاقد آمار برخوردار است.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل civil.sellfile.ir@gmail.com پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **



خرید و دانلود مقایسه میان یابی داده های ماهانه بارش با استفاده از روش کریجینگ و شبکه عصبی