پیش بینی بارش روزانه با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: ایستگاه سینوپتیک مشهد)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 پیش بینی بارش روزانه با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: ایستگاه سینوپتیک مشهد) دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی بارش روزانه با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: ایستگاه سینوپتیک مشهد)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پیش بینی بارش روزانه با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: ایستگاه سینوپتیک مشهد)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی بارش روزانه با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: ایستگاه سینوپتیک مشهد) :

نام کنفرانس، همایش یا نشریه : پژوهش های آبخیزداری (پژوهش و سازندگی)

تعداد صفحات :۱۲

پیش بینی بارش، به عنوان یکی از مهم ترین متغیرهای اقلیمی در حوزه مدیریت منابع آب از اهمیت ویژه ای برخوردار است. از طرفی، وجود رابطه های غیرخطی پیچیده در معادلات حاکم، مدل سازی بارش را امری مشکل نموده است از اینرو امروزه محققین با ابداع روش های مستقل از مدل های دینامیکی سیستم، در جستجوی راه هایی به منظور شناخت و پیش بینی بهتر متغیرهای مهم هواشناسی از جمله بارش می باشند. یکی از این روش ها، شبکه های عصبی مصنوعی است که از مولفه های هوش مصنوعی محسوب می شود. در این تحقیق، پیش بینی بارش روزانه به کمک شبکه های عصبی مصنوعی صورت گرفته است. برای این منظور از اطلاعات بارش روزانه ۲۳ سال آماری (۱۳۸۳-۱۳۶۱) ماه مارس به عنوان ماه مرطوب و ماه های می و دسامبر به عنوان دو ماه متوسط از نظر رطوبتی، در ایستگاه سینوپتیک مشهد استفاده شده است. از مجموع ۷۱۳ داده بارش، ۵۸۰ داده برای آموزش و آزمون حین آموزش و بقیه داده ها برای صحت سنجی مدل ها استفاده شد. شبکه عصبی مورد استفاده، شیوه ای جدید از شبکه پرسپترون پیشخور سه لایه با پس انتشار خطا می باشد که از الگوریتم کاهش گرادیان به منظور آموزش آن استفاده شده است. در این رابطه، پس از بررسی و آزمون و خطای بسیار، دو توپولوژی GS 521 و GS 651 برای ماه مارس، GS 541 و GS 681 برای ماه می و GS 571 و GS 631 برای ماه دسامبر، بر اساس مناسب ترین پارامترها برای شبکه های عصبی انتخاب شد. بدین منظور، از امکانات و توابع موجود در محیط برنامه نویسی نرم افزار MATLAB، بهره گرفته شد. ضریب همبستگی (R)، میانگین مجذور مربعات خطا (RMSE) و میانگین خطای مطلق (MAE)، در بهترین مدل ها به ترتیب برای ماه مارس، ۰.۸۹، ۰.۱۴ و ۱.۱۵ میلی متر، برای ماه می ۰.۸۵، ۰.۱۴ و ۱.۱۶ میلی متر و برای ماه دسامبر ۰.۸۶، ۰.۱۵ میلی متر و ۱.۱۷ میلی متر به دست آمده است که نشان از برآورد و شبیه سازی مناسب مدل ها دارد.

کلید واژه: بارش روزانه، پرسپترون پیشخور، پیش بینی، شبکه های عصبی مصنوعی، مشهد