مقاله مقایسه شبکه عصبی با سیستم فازی-عصبی تطبیقی در پیش بینی خشکسالی هواشناسی

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

  مقاله مقایسه شبکه عصبی با سیستم فازی-عصبی تطبیقی در پیش بینی خشکسالی هواشناسی دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایسه شبکه عصبی با سیستم فازی-عصبی تطبیقی در پیش بینی خشکسالی هواشناسی  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 مقایسه شبکه عصبی با سیستم فازی-عصبی تطبیقی در پیش بینی خشکسالی هواشناسی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مقایسه شبکه عصبی با سیستم فازی-عصبی تطبیقی در پیش بینی خشکسالی هواشناسی :

تعداد صفحات:۱۳
چکیده:
خشکسالی به عنوان یکی از مهمترین بلایای طبیعی بوده که بر ابعاد مختلف زندگی بشر تاثیر می گذارد. در طی دهه های اخیر تکنیک های هوشمند توانایی های زیادی را در مدل سازی و پیش بینی سری های زمانی غیر خطی و غیر ایستا نشان داده اند. از این رو در این مطالعه از روش های شبکه عصبی مصنوعی و سیستم فازی-عصبی تطبیقی به منظور پیش بینی خشکسالی، استفاده شده است. به این منظور از داده های بارندگی در حوزه آبخیز صوفی چای و قلعه چای، برای این مطالعه استفاده شد. ابتدا شاخص SPI شش ماهه محاسبه و بعنوان ورودی برای مدل های ANN و ANFIS در نظر گرفته شد. نتایج این بررسی نشان داد که ANFIS عملکرد بهتری نسبت به ANN در مدل سازی و پیش بینی خشکسالی را دارد. نتایج نشان داد که شبکه ای با الگوریتم یادگیری لونبرگ-مارگارت با تابع انتقال تانژانت سیگموئید در لایه مخفی، با ۴۰ نرون و برای یک گام به جلو و با RMSE و R2 به ترتیب ۸۱/۱ و ۸۹/۰ بهترین مدل شبکه عصبی در این تحقیق بودند. همچنین نتایج بیانگر این بود که مدلی با تابع عضویت pi در گام زمانی یک گام روبه جلو با تعداد توابع عضویت ۵ و در تکرار ۳۰۰۰ و با RMSE و R2 به ترتیب ۰۸۹/۰ و ۹۰/۰ بهترین عملکرد را داشته است.