کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش (مطالعه موردی: ایستگاه سینوپتیک سنندج)

چکیده مقاله

پیش بینی بارش، به عنوان یکی از مهمترین متغیرهای اقلیمی در حوزه مدیریت منابع آب از اهمیت ویژه ای برخوردار است از اینرو امروزه محققین با ابداع روشهای مستقل از مدل های دینامیکی سیستم، در جستجوی راه هایی بهمنظور 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 پژوهش، به منظور پیش بینی بارش از داده های ایستگاه سینوپتیک سنندج در مقیاس ماهانه و در دوره آماری 1393 1350 انجام شده است همچنین به دلیل رفتار غیرخطی بارش، از شبکه های عصبی مصنوعی جهت پیش بینی آن بهره گرفته شد برای به کارگیری شبکه عصبی، 70 درصد داده ها جهت آموزش شبکه و 30 درصد داده ها نیز برای آزمون و اعتبارسنجی درنظر گرفته شد در نهایت با انجام آزمون شبکه با لایه های پنهان و ضریب های یادگیری مختلف، مشخص گردید که استفاده از شبکه عصبی مصنوعی پرسپترون با دو لایه پنهان و ضریب آموزش یادگیری 0/6 نسبت با دیگر حالت ها و ساختار شبکه عملکرد بهتری را برای پیش بینی دارد به منظور اطمینان از درستی مقادیر پیش بینی، از آماره های ضریب تبیین و میانگین ریشه مربعات خطا RMSE استفاده شد که مقادیر آنها به ترتیب برابر با 0/97 و 0/072 می باشد

کلیدواژه‌ها

نویسندگان

میلاد مرادی

دانش آموخته مهندسی منابع آب، دانشگاه شهید باهنر کرمان

عادل لشنی

دانشجوی کارشناسی ارشد سازه های هیدرولیکی، دانشگاه آزاد اسلامی واحد تهران جنوب

سمیه عزیزی

دانشجوی کارشناسی ارشد سازه های آبی، دانشگاه تبریز

مرادی، میلاد و لشنی، عادل و عزیزی، سمیه،1395،کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش (مطالعه موردی: ایستگاه سینوپتیک سنندج)،ششمین کنفرانس ملی مدیریت منابع آب ایران،سنندج

ارائه‌شده در

مجموعه مقالات ششمین کنفرانس ملی مدیریت منابع آب ایران1 اردیبهشت 1395 · سنندج