- تاریخ انتشار : ۱۳۹۶
- ناشر : چهارمین کنفرانس بین المللی پژوهش در مهندسی ، علوم و تکنولوژی
- زبان مقاله : همه
- تعداد صفحات : 16
- حجم فایل : 1157.328 کیلوبایت
- نوع مقاله : مجموعه مقالات کنفرانس
- مجموعه : مدیریت
چکیده مقاله
امروزه برنامهریزی، طراحی و مدیریت سامانه های منابع آب، پیشبینی اثرها را هم در بر میگیرند. از این رو در اغلب پروژههای منابع آب از قبیل سدها، مخازن، مهار سیلابها و کشاورزی، نیاز به پیشبینی بارندگی در فواصل حداقل یک ماهه دارد. در این تحقیق دقت اتوماتون سلولی یادگیر) CLA ( و شبکه عصبی در دسته بندی روزهای بارندگی و غیربارندگی بررسی و مقایسه شده است. نتایج حاصله نشان داد که دقت طبقهبندی اتوماتون سلولی یادگیر ) 78 . 0 R^2= ( بهتر از شبکه عصبی GMDH 88( . 0 R^2= ( میباشد. در ادامه جهت پیشبینی مقدار بارندگی از دو نوع شبکه عصبیمصنوعی GMDH و همچنین ترکیب اتوماتای سلولی یادگیر با شبکه عصبی GMDH مورد بررسی قرار گرفت. نتایج حاصله نشان داد هر چند که شبکه عصبی با مقادیر ) 77 . 0 R^2= و 423 . 0 (RMSE= دارای دقت مناسبی در پیش بینی بارندگی می باشد، اما هیبرید آتوماتون سلولی یادگیر با شبکه های عصبی ) 94 . 0 R^2= و 847 . 0 (RMSE= قادر است با دقت بالاتری میزان بارش را پیشبینی نماید تکنیک ارائه شده در این مقاله میتواند به عنوان یک ابزار قدرتمند جهت پیشبینی در مسائل مربوط به منابع آب و هیدرولوژی و موارد مشابه آن استفاده شود
نحوه استناد به مقاله
در صورتی که می خواهید به این مقاله در اثر پژوهشی خود ارجاع دهید، می توانید از متن زیر در بخش منابع و مراجع بهره بگیرید :
1.رضا محمد پور؛2.صادق جهاندیده توابع؛ ۱۳۹۵، پیشبینی بارندگی با استفاده ازهیبرید CLA و شبکه عصبی GMDH، چهارمین کنفرانس بین المللی پژوهش در مهندسی ، علوم و تکنولوژی، https://scholar.conference.ac:443/index.php/download/file/8981-Prediction-of-Precipitation-using-hybrid-of-GMDH-and-Learning---Cellular-Automation
در داخل متن نیز هر جا به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پرانتز، مشخصات زیر نوشته شود.
(1.رضا محمد پور؛2.صادق جهاندیده توابع؛ ۱۳۹۵)