بررسی امکان پیش‌بینی سرعت باد با استفاده از مدل‌های هیبرید شبکه‌های عصبی، شبکه‌های فازی-عصبی و تئوری موجک (مطالعه موردی: ایستگاه سینوپتیک یزد)

Authors

Abstract:

پیش‌بینی مؤلفه‌های باد از جمله سرعت باد یکی از عوامل مهم به خصوص در بحث تبخیر در یک حوزه آبخیز محسوب می‌گردد. در این مقاله سعی گردید، جهت افزایش کارایی مدل‌های هوش مصنوعی، در پیش‌بینی سرعت باد، دو مدل شبکه عصبی و فازی-عصبی با تئوری موجک ترکیب شده و دو مدل هیبرید جدید ارائه گردید. در این تحقیق با استفاده از برخی پارامتر‌های اقلیمی ایستگاه همدیدی یزد از جمله سرعت باد، دمای متوسط، دمای بیشینه، رطوبت نسبی و تبخیر، سرعت باد در مقیاس ماهانه برآورد گردید و سپس کارایی دو مدل‌های هیبرید شبکه عصبی موجکی و شبکه فازی-عصبی موجکی با مدل‌های شبکه عصبی و فازی-عصبی در پیش‌بینی سرعت باد 12 ماه آینده مورد مقایسه قرار گرفت. در نهایت جهت تائید کارایی بهترین مدل، با استفاده از پارامتر‌های اقلیمی موثر سال 1383 سرعت باد در سال 1384 پیش‌بینی گردید. نتایج بدست آمده در مرحله ارزیابی مدل‌ها، تفاوت قابل ملاحظه عملکرد بهتر شبکه‌های عصبی موجکی و فازی-عصبی موجکی را نسبت به مدل‌های شبکه عصبی و فازی-عصبی نشان دادند. شایان ذکر است در مرحله ارزیابی، کارایی بالای شبکه های فازی-عصبی موجکی، برتری این مدل را نسبت به سایر مدل ها به اثبات رسانید.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی تبخیر-تعرق مرجع ایستگاه سینوپتیک اهواز با استفاده از مدل ترکیبی موجک – شبکه عصبی GMDH

سابقه و هدف: تخمین دقیق مقدار تبخیر-تعرق مرجع برای انجام بسیاری از تحقیقات ضروری و از مهم‌ترین مسائل در طرح‌های آبیاری و زهکشی و منابع آب به شمار می‌رود. یکی از این مسائل که می‌تواند در راستای اهداف ذکرشده اعمال شود، پیش‌بینی تبخیر-تعرق مرجع برای آینده است تا بتوان با برنامه‌ریزی‌های مناسب، امکان استفاده بهتر از منابع موجود را فراهم نمود (7). در سال‌های اخیر استفاده از روش‌های هوش مصنوعی و مدل ...

full text

استفاده از رویکرد شبکة عصبی مصنوعی جهت پیش‌بینی کوتاه‌مدت سرعت باد (مطالعة موردی: ایستگاه هواشناسی جیرفت)

سرعت باد یکی از متغیرهای بسیار مهم‌ هواشناسی در تعیین تبخیرتعرق و نیاز آبی گیاهان است. مدل‌ها و روش‌های متعددی برای پیش‌بینی این عامل وجود دارد. در سال‌های اخیر، با شناخته‌شدن ابزار محاسبات نرم، به‌مثابة روشی نوین در ایجاد سیستم‌های هوشمند، این روش‌ها جایگاهی ویژه در علوم هواشناسی کشاورزی پیدا کردند. به‌کاربردن رویکرد شبکة عصبی مصنوعی یکی از این روش‌هاست. با توجه به وجود ایستگاه هواشناسی کشاورز...

full text

تخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی

هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 30

pages  31- 40

publication date 2015-10

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023