ارزیابی دقت شبکه عصبی مصنوعی بازگشتی نارکس در پیش بینی بارش روزانه در استان کرمان

جغرافیای طبیعی

مقاله 6، دوره 8، شماره 27، فروردین 1394، صفحه 73-90   

نوع مقاله: مقاله علمی - پژوهشی

نویسندگان

کمال امیدوار¹؛ معصومه نبوی زاده^{* 2}؛ میثم ثمره قاسم³

¹استاد گروه اقلیم شناسی، دانشگاه یزد، ایران

²کارشناس ارشد اقلیم شناسی، دانشگاه یزد، ایران

³کارشناس ارشد هوش مصنوعی، دانشگاه باهنر، ایران

چکیده

بارش یکی از پارامترهای مهم اقلیمشناسی و سایر علوم جوّی که از اهمیّ تّ والای یّ در حیات بشر برخوردار است. در سالهای اخیر، سیل و خشکسالی خسار های فراوانی را در بس یّاری از مناطق جهان در پی داشته است. پیش بینی بارش در مدیریت و هشدار این معضلا نق شّ مهمی بر عهده دارد. امروزه شبکههای عصبی مصنوعی از جمله روشهای نوین م یّباش دّ ک هّ برای تخمین و پیشبینی پارامترها با استفاده از ارتباط ذاتی بین دادهه اّ توس عّه یافت هّ اس تّ. هدف این پژوهش، ارزیابی دقت شبکه عصبی بازگشتی نارکس در پیش بین یّ ب اّرش روزان هّ میباشد که با استفاده از آمار روزانۀ هواشناسی ایستگاههای کرمان، بافت و میانده جیرفت، طی 7393 (، میباشد به منظور مقایسه به آموزش شبکههای - دوره مشترک آماری 11 ساله ) 1171 عصبی مصنوعی با ساختار پرسپترون چند لایه و شبکه عصبی بازگشتی نارکس پرداخت هّ ش دّ. عوامل اقلیمی مؤثر در بارش به عنوان ورودیهای شبکههای عصبی مصنوعی و بارش روزانه به و ض رّی )MSE( عنوان خروجی شبکه در نظر گرفته شد. آم اّره اّی می اّنگین مرب ه اّ خط اّ به منظور ارزیابی روشهای بکار برده شده، استفاده گردید. نتایج نشان داد ک هّ ،)R( همبستگی مدل ترکیبی 41 ، بر پایه قانون آموزش لونبرگ م اّرکوا و ت اّب مک رّک س یّگموبید ب اّ هم هّ پارامترهای هواشناسی در هر سه ایس تّگاه از دقّ تّ قاب لّ قب وّلی برخ وّردار اس تّ. همچن یّن مشخص شد که مدلهای مطلوب شبکه عصبی مصنوعی در یالت تغییرا افزایشی نسبت ب هّ
رطوبت نسبی، دارا ی بیشترین یساسیّت هستند

کلیدواژه‌ها

پیش بینی بارش؛ شبکۀ عصبی پرسپترون؛ ش بّکۀ عص بّی ن اّرکس؛ کرم اّن؛ بافت؛ میانده جیرفت

مراجع

1- افخمی،ح.، دستورانی، م.ت.، ملکی نژاد،ح.، مبین،م.ح.، (1389): بررسی تأثیر عناصر اقلیمی بر افزایش دقّت روش شبکه عصبی مصنوعی در پیش بینی خشک سالی منطقه یزد، علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، شماره 51،169-158.

2- اژدرپور، م. (1387): پیش بینی رابطه بارش رواناب به روش شبکه عصبی مصنوعی در حوضه آبریز رودخانه اعظم هرات، پایاننامه کارشناسی ارشد دانشگاه یزد، دانشکده علوم انسانی،100-1.

3- بهارلو، ر.، (1388): پیش بینی سری زمانی با وابستگی­های دراز مدّت با استفاده از شبکه عصبی بازگشتی NARX، دوازدهمین کنفرانس دانشجویی مهندسی برق، ص1:6،

4- حلبیان، ا.م.، (1388): پیش آگاهی و برآورد بارش یزد با استفاده از شبکه عصبی مصنوعی، نشریه تحقیقات کاربردی علوم جغرافیا، جلد 11، شماره14، ص 8:28،

5- خلیلی، ن.؛ خداشناس، س.، ر.، داوری، ک.، موسوی بایگی، م.، (1389): پیش بینی بارش روزانه با شبکه­های عصبی مصنوعی، مطالعه موردی: ایستگاه سینوپتیک مشهد، پژوهش­های آبخیزداری، شماره 89، ص 8:15.

6- خسروی م.، شکیبا، ه.، (1389): پیش بینی بارش با استفاده از شبکه­های عصبی مصنوعی به منظور مدیریت سیل ایرانشهر، مجموعه مقالات چهارمین کنگره بین المللی جغرافی دانان جهان اسلام، 21-2.

7- قلّی زاده م.ح. و دارند،م. (1388): پیش بینی بارش ماهانه با استفاده از شبکه­های عصبی مصنوعی (مورد تهران)، مجله پژوهش­های جغرافیای طبیعی، 71، صص 63-51.