مقاله مقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان که چکیده‌ی آن در زیر آورده شده است، در پاییز ۱۳۹۲ در تحقیقات کاربردی علوم جغرافیایی (علوم جغرافیایی) از صفحه ۱۵۱ تا ۱۶۹ منتشر شده است.
نام: مقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان
این مقاله دارای ۱۹ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله شبکه های عصبی مصنوعی
مقاله بارش فصلی
مقاله منابع آب
مقاله استان خوزستان

نویسنده(ها):
جناب آقای / سرکار خانم: گلابی محمدرضا
جناب آقای / سرکار خانم: آخوندعلی علی محمد
جناب آقای / سرکار خانم: رادمنش فریدون

چکیده و خلاصه‌ای از مقاله:
بارندگی یکی از اجزای اصلی چرخه هیدرولوژی است. این فرآیند پیچیده به عوامل متعدد اقلیمی وابسته است. شبکه های عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدل سازی سیستم های پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده است. تحقیق حاضر در سه ایستگاه منتخب از استان خوزستان صورت گرفته است. برای این منظور از داده های بارندگی ماهانه سه ایستگاه هواشناسی استان به مدت ۴۸ سال، (۱۳۴۰ – ۱۳۸۷)، استفاده شده است. سپس با استفاده از این مقادیر به عنوان خروجی های هدف، شبکه های مختلفی با ساختار های متفاوت تعریف و آموزش داده شد. در نهایت قابلیت شبکه برای تخمین بارش با استفاده از قسمتی از داده ها که در آموزش شبکه وارد نشدند، مورد بررسی قرار گرفت. در این تحقیق شبکه های MLP و RBF با تغییراتی در تعداد لایه های میانی، تعداد نرون ها و الگوریتم های آموزش MOM و LM و CG به منظور پیش بینی بارش فصلی به کار گرفته شد. نتایج نشان داد که برای ایستگاه اهواز شبکه RBF با توپولوژی ۱-۴-۶ و یادگیری LM دارای بیشترین مقدار ضریب همبستگی برابر ۰٫۹۶ و کمترین MSE برابر ۰٫۰۴۴ است. برای ایستگاه آبادان شبکه RBF با توپولوژی ۱-۷-۶-۶ و یادگیری LM دارای بیشترین مقدار ضریب همبستگی برابر ۰٫۹۲ و کمترین MSE برابر ۰٫۰۶۲ است. برای ایستگاه دزفول شبکه MLP با توپولوژی ۱-۴-۳-۶ و یادگیری LM دارای بیشترین مقدار ضریب همبستگی برابر ۰٫۹۴ و کمترین MSE برابر ۰٫۰۳۴ است.