مقایسه نتایج به دست آمده از کاربرد سیستم استنباط فازی ممدانی و شبکه های عصبی مصنوعی در پیش بینی بارش فصلی، مطالعه موردی: منطقه خراسان
نویسندگان
چکیده
در این مقاله با استفاده از سیستم استنباط فازی و شبکه های عصبی مصنوعی پیش بینی بارش در بازه زمانی دسامبر تا می در منطقه خراسان بزرگ شامل سه استان خراسان رضوی، خراسان شمالی و خراسان جنوبی ارائه شده است. این روش شامل سه گام می باشد. در گام اول، ارتباط بین تغییرات الگوهای سینوپتیکی شامل فشار سطح دریا، اختلاف فشارسطح دریا، دمای سطح دریا، اختلاف دمای سطح دریا و سطح 1000 میلی باری، دمای سطح 850 هکتوپاسکال، ارتفاع معادل سطح 500 هکتوپاسکال و رطوبت نسبی سطح 300 هکتوپاسکال با بارش متوسط منطقه ای مورد بررسی قرار گرفته است. در انتخاب این مناطق که مجموعه ای از نقاط در خلیج فارس و دریای عمان، دریای سیاه، دریای خزر، دریای مدیترانه، دریای شمال، دریای آدریاتیک، دریای سرخ، خلیج عدن، اقیانوس اطلس، اقیانوس هند و سیبری را شامل می شوند، تأثیرپذیری بارندگی منطقه شمال شرق ایران از الگوهای سینوپتیکی مورد توجه قرار گرفته است. در گام دوم، مدل در دوره 1993-1970 آموزش داده شده است و در گام سوم، پیش بینی بارش در دوره 2002-1993 انجام شده است. نتایج نشان می دهد سیستم استنباط فازی و شبکه های عصبی مصنوعی می تواند بارش را با دقت قابل قبولی پیش بینی کنند. همچنین نتایج نشان می دهد که ریشه میانگین مربعات خطا برای سیستم استنباط فازی و شبکه های عصبی مصنوعی به ترتیب 52 و 41 میلی متر می باشد. بنابراین شبکه های عصبی مصنوعی در پیش بینی بارش موفق تر از مدل فازی بوده است.
منابع مشابه
مقایسه نتایج به دست آمده از کاربرد سیستم استنباط فازی ممدانی و شبکه‌های عصبی مصنوعی در پیش‌بینی بارش فصلی، مطالعه موردی: منطقه خراسان
در این مقاله با استفاده از سیستم استنباط فازی و شبکه‌های عصبی مصنوعی پیش‌بینی بارش در بازه زمانی دسامبر تا می در منطقه خراسان بزرگ شامل سه استان خراسان رضوی، خراسان شمالی و خراسان جنوبی ارائه شده است. این روش شامل سه گام می‌باشد. در گام اول، ارتباط بین تغییرات الگوهای سینوپتیکی شامل فشار سطح دریا، اختلاف فشارسطح دریا، دمای سطح دریا، اختلاف دمای سطح دریا و سطح 1000 میلی باری، دمای سطح 850 هکتوپ...
متن کاملکاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
متن کاملمقایسه پیش بینی واکشیدگی ضخامت تخته خرده چوب با سیستم فازی و شبکه عصبی مصنوعی
درصد واکشیدگی یکی از خواص فیزیکی مهم محصول نهایی می‌باشد. این آزمون نیاز به زمان و هزینه دارد. بنابراین پیش بینی مقدار درصد واکشیدگی تخته در حین تولید می‌تواند باعث کنترل کردن فرایند تولید و کیفیت یکنواخت محصول گردد. در این تحقیق متغیرهایی مانند رطوبت خرده چوب قبل از خشک‌کن، رطوبت کیک خرده چوب در فرمینگ، میزان چسب مصرفی به ازای هر تخته، زمان پرس، دمای پرس، فشار پرس، و خاصیت درصد واکشیدگی تخته خ...
متن کاملمقایسه کاربرد شبکه عصبی مصنوعی (ANN) با سیستم استنتاج فازی (FIS) در پیش بینی جریان رودخانه زاینده رود
یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیچیدگی زیاد یا عدم‌صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی و شبکه عصبی مصنوعی می‌باشد. مزیت اصلی این تکنیک‌ها نسبت به روشهای رایج این است که در مدت زمان نسبتاً کوتاهی قادر به بررسی تأثیر انواع پارامترهای در دسترس، بر فرآیند مورد بررسی می‌باشند بدون آنکه در هر مرتبه نیاز به یافتن...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
تحقیقات منابع آب ایرانجلد ۵، شماره ۲، صفحات ۴۰-۵۲
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023