مقاله بررسی کارایی روشهای رگرسیون خطی، شبکه عصبی مصنوعی و سیستم های عصبی فازی تطبیقی در بازسازی داده های بارندگی (مطالعه موردی بازسازی آمار بارش ماهانه)

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

  مقاله بررسی کارایی روشهای رگرسیون خطی، شبکه عصبی مصنوعی و سیستم های عصبی فازی تطبیقی در بازسازی داده های بارندگی (مطالعه موردی بازسازی آمار بارش ماهانه) دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بررسی کارایی روشهای رگرسیون خطی، شبکه عصبی مصنوعی و سیستم های عصبی فازی تطبیقی در بازسازی داده های بارندگی (مطالعه موردی بازسازی آمار بارش ماهانه)  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 مقاله بررسی کارایی روشهای رگرسیون خطی، شبکه عصبی مصنوعی و سیستم های عصبی فازی تطبیقی در بازسازی داده های بارندگی (مطالعه موردی بازسازی آمار بارش ماهانه)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بررسی کارایی روشهای رگرسیون خطی، شبکه عصبی مصنوعی و سیستم های عصبی فازی تطبیقی در بازسازی داده های بارندگی (مطالعه موردی بازسازی آمار بارش ماهانه) :

تعداد صفحات:۱۲

چکیده:

مسئله داده های گم شده (missing value) جزء مواردی است که در اکثر کارهای علمی با آن مواجه هستیم. در مواردی چون مدل سازی بارش و روان آب، برآورد بارش یک منطقه از روی ایستگاه های هواشناسی مجاور منطقه وجود سری داده ها با طول آماری مناسب و بدون داده های از دست رفته بسیار با اهمیت می باشد. . در تحقیق حاضر از روش های رگرسیون خطی (LR)، شبکه عصبی مصنوعی (ANN) و سیستم های عصبی فازی تطبیقی (ANFIS) به منظور تخمین داده های گم شده استفاده شد. در مدل (ANN ) شبکه های MLP و RBF با ۵ نوع تابع فعالیت به کار گرفته شد. در مدل (ANFIS) توابع عضویت ۱۱ گانه بکارگرفته شد. بر اساس رابطه بین آمار موجود ایستگاه و ایستگاه مبنا در هر روش پس از حذف داده های مشاهده ای، مقادیر آنها از طریق روش های مذکور برآورد شده و با استفاده از آماره های ریشه میانگین مجذور مربعات خطا (RMSE) و ضریب همبستگی (R^2) اولویت هر یک از روش ها مورد شناسایی قرار گرفت. در بین مدل های مذکور رگرسیون خطی با R^2=0.85 و RMSE=0.041 و از مدل های (ANN) مدل (RBF 1-28-1) با R^2=0.86 و RMSE=0.046 و از مدل های (ANFIS) مدل guass2 با دو تابع عضویت با R^2=0.86 و RMSE=0.073 بهترین ساختارها شناخته شدند.