Skip to main content
فهرست مقالات

تحلیل عدم قطعیت مدل‌های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در تخمین بارش

نویسنده:

علمی-ترویجی (وزارت علوم) (8 صفحه - از 43 تا 50)

در این تحقیق سعی گردید، ترکیب ورودی و مدل مناسب برای تخمین بارش‌های شهرستان شاهرود تعیین گردد. برای رسیدن به این هدف از داده­های ماهانه هواشناسی شامل تبخیر، دما، رطوبت نسبی هوا، تابش­های خورشیدی، سرعت باد در دوره­ آماری 1342 تا 1394 و مدل­های شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده است. 75 درصد از داده­ها برای واسنجی و 25 درصد دیگر جهت اعتبارسنجی مدل­ها استفاده شده است. در این تحقیق از شبکه عصبی مصنوعی پرسپترون چند لایه با تابع تانژانت سیگموئید و 1 تا 30 نرون در لایه پنهان و از مدل ماشین بردار پشتیبان با تابع کرنل پایه شعاعی جهت تخمین بارش‌های منطقه شهرستان شاهرود استفاده شده است. عملکرد هر یک از مدل­ها با استفاده از شاخص­های آماری مجذور میانگین مربعات خطا و ضریب همبستگی ارزیابی شده است و عدم قطعیت مدل­ها نیز به ­ازای دو پارامتر d-factor و p-factor تعیین گردیده است. با توجه به این که هر دو مدل عملکرد مناسبی در تخمین بارش داشته­اند، ولی مدل ماشین بردار پشتیبان با خطا و عدم قطعیت کمتری نسبت به مدل شبکه عصبی مصنوعی، عملکرد بهتری در تخمین بارش شهرستان شاهرود داشته است. بنابراین مدل ماشین بردار پشتیبان می­تواند به ­عنوان یک مدل بسیار مناسب در تخمین بارش مورد استفاده قرار گیرد.

خلاصه ماشینی:

"در این تحقیق از شبکه عصبی مصنوعی پرسپترون چند لایه با تابع تانژانت سیگموئید و 1 تا 30 نرون در لایه پنهان و از مدل ماشین بردار پشتیبان با تابع کرنل پایه شعاعی جهت تخمین بارش‌های منطقه شهرستان شاهرود استفاده شده است. بنابراین در این تحقیق سعی گردید با استفاده از مدل هوشمند شبکه عصبی مصنوعی (ANN) و مدل ریاضی ماشین بردار پشتیبان (SVM) و با استفاده از پارامترهای هواشناسی شامل تبخیر، دما، رطوبت نسبی هوا، تابش‌های خورشیدی، سرعت باد، مقدار بارش شهرستان سار مورد تخمین قرار گیرد. نتایج و بحث پس از تعیین ساختار هر یک مدل‌ها و تعیین ترکیب‌های ورودی، هر یک از دو مدل شبکه عصبی مصنوعی و ماشین بردار پشتیبان به‌ ازای داده‌های آموزش مورد واسنجی قرار گرفته و سپس عملکرد مدل‌های آموزش دیده به ازای داده‌های بخش صحت‌سنجی ارزیابی گردیده است. جدول (4): عدم قطعیت و نتایج ترکیب برتر هر یک از مدل‌ها در تخمین بارش (رجوع شود به تصویر صفحه) با توجه به مقادیر p-factor و d-factor مدل شبکه عصبی مصنوعی در تخمین بارش معلوم می‌گردد که این مدل توانسته است با دقت قابل قبولی این مقادیر را مورد تخمین قرار دهد. نتیجه‌گیری با توجه به اهمیت اطلاع از وضعیت و توزیع مقادیر پارامتر بارش در مدیریت صحیح منابع آب، در این تحقیق سعی گردید تا با استفاده از مدل‌های شبکه عصبی مصنوعی و ماشین بردار پشتیبان مقادیر بارش شهرستان شاهرود مورد تخمین قرار گیرد."


برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.