مقایسه روشهای شبکه عصبی مصنوعی و سری زمانی (آریما) در پیش بینی جریان ورودی به مخزن کرج

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

 مقایسه روشهای شبکه عصبی مصنوعی و سری زمانی (آریما) در پیش بینی جریان ورودی به مخزن کرج دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه روشهای شبکه عصبی مصنوعی و سری زمانی (آریما) در پیش بینی جریان ورودی به مخزن کرج  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 مقایسه روشهای شبکه عصبی مصنوعی و سری زمانی (آریما) در پیش بینی جریان ورودی به مخزن کرج،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه روشهای شبکه عصبی مصنوعی و سری زمانی (آریما) در پیش بینی جریان ورودی به مخزن کرج :

تعداد صفحات :۱۰

چکیده مقاله:

هدف از این مطالعه بررسی مقایسه ای مدل های کلاسیک سری زمانی آریما و هوشمند شبکه عصبی برای پیش بینیجریان آب ماهانه ورودی به مخزن کرج است. به این منظور، داده های جمع آوری شده از ایستگاه های هواشناسی وهیدرومتری موجود در حوزه مربوطه در قالب مدلهای سری زمانی (آریما) و شبکه عصبی مصنوعی مورد تحلیل ومدلسازی قرار گرفت و نتایج آنها با توجه به معیار نش- ساتکلیف با هم مقایسه شد. در این تحقیق انواع مختلفی از مدل های سری زمانی از قبیل AR و ARMA مورد بررسی قرار گرفت و مدل (ARIMA(1, 1, 1)(0, 1, 1)(12)( با معیار نش-ساتکلیف ۰.۸۱۵ و کمترین معیار اطلاعات آکاییکه به عنوان بهترین مدل از این گروه انتخاب شد. همچنین، عملکردانواع مدل های شبکه عصبی مصنوعی بررسی گردید. پس از مقایسه نتایج مشخص شد که مدل آریما به میزان ۰.۰۲۲ ازبهترین مدل شبکه عصبی بهتر عمل کرده است. حال آنکه با لحاظ شاخص های فصلی در مدل شبکه عصبی علاوه بربرتری مدل شبکه عصبی نسبت به آریما، شاهد افزایش کارایی مدل در شاخص نش ساتکلیف به میزان ۰.۰۴۶ هستیم.در مجموع مدل آریما داده های پیک را دست بالا و مدل شبکه عصبی اکثر داده های پیک را دست پایین پیش بینی می کند.