نمایش مختصر رکورد

dc.contributor.authorبهرامی, مهدیfa_IR
dc.contributor.authorامیری, محمدجوادfa_IR
dc.contributor.authorرضایی مهارلویی, فاطمهfa_IR
dc.contributor.authorغفاری, کرامت اللهfa_IR
dc.date.accessioned1399-08-01T22:49:38Zfa_IR
dc.date.accessioned2020-10-22T22:49:38Z
dc.date.available1399-08-01T22:49:38Zfa_IR
dc.date.available2020-10-22T22:49:38Z
dc.date.issued2017-03-21en_US
dc.date.issued1396-01-01fa_IR
dc.date.submitted2016-11-10en_US
dc.date.submitted1395-08-20fa_IR
dc.identifier.citationبهرامی, مهدی, امیری, محمدجواد, رضایی مهارلویی, فاطمه, غفاری, کرامت الله. (1396). تعیین اثر پیش ‏پردازش داده بر عملکرد شبکۀ عصبی مصنوعی به‏منظور پیش‏ بینی بارش ماهانه در شهرستان آباده. اکوهیدرولوژی, 4(1), 29-37. doi: 10.22059/ije.2017.60880fa_IR
dc.identifier.issn2423-6098
dc.identifier.issn2423-6101
dc.identifier.urihttps://dx.doi.org/10.22059/ije.2017.60880
dc.identifier.urihttps://ije.ut.ac.ir/article_60880.html
dc.identifier.urihttps://iranjournals.nlai.ir/handle/123456789/467565
dc.description.abstractتوابع تبدیل صورت می‏گیرد. در پژوهش حاضر با استفاده از اطلاعات میانگین بارش ماهانه، کمترین و بیشترین دما و رطوبت ایستگاه سینوپتیک شهرستان آباده در بازۀ زمانی 1355 تا 1392 به‏صورت نرمال‏شده و خام به‏عنوان ورودی‏های شبکۀ پرسپترون چند‏لایه، بارش ماه آیندۀ شهرستان پیش‏بینی شد. برای نرمال‏سازی داده‏های هواشناسی، پس از بررسی وجود داشتن یا نداشتن داده‏های گم‏شده و پرت از سه روش نرمال‏سازی مینیمم‌ـ ماکزیمم، رتبه‏ای و آمارۀ نرمال استاندارد استفاده شد. پس از به‏دست‏آوردن بهترین ساختار شبکه با استفاده از آزمون ‏و ‏خطا برای هر روش از مقایسۀ بهترین ساختارهای هر روش با یکدیگر، روش مینیمم‌ـ ماکزیمم با ساختار شبکۀ سه‏لایه و تعداد 13 نورون در لایۀ پنهان با مقدار 92/0=R و 12/0=MSE در مقایسه با دیگر روش‏ها به‏عنوان بهترین روش انتخاب شد. نتایج آنالیز حساسیت انجام‏شده نیز نشان داد مدل به حذف پارامتر بیشترین رطوبت بیشتر از سایر پارامترها حساسیت نشان داد. پس از آن نیز دمای حداکثر بیشترین تأثیر را بر پیش‏بینی بارش داشت. همچنین مقایسۀ عملکرد شبکه با تعداد ورودی‏های مختلف نشان داد شبکه با داشتن دو ورودی شامل کمترین دما و رطوبت با مقدار 13/0= MSE در مواقعی که کمبود داده وجود دارد نسبت به‏تعداد پنج ورودی به‏ نتیجۀ خوبی رسید. <strong> </strong> <strong> </strong>fa_IR
dc.format.extent735
dc.format.mimetypeapplication/pdf
dc.languageفارسی
dc.language.isofa_IR
dc.publisherدانشکده علوم و فنون نوین دانشگاه تهرانfa_IR
dc.publisherFaculty of New Sciences and Technologies, University of Tehranen_US
dc.relation.ispartofاکوهیدرولوژیfa_IR
dc.relation.ispartofIranian journal of Ecohydrologyen_US
dc.relation.isversionofhttps://dx.doi.org/10.22059/ije.2017.60880
dc.subjectآمارۀ نرمال استانداردfa_IR
dc.subjectبارندگیfa_IR
dc.subjectمینیمم‌ـ ماکزیممfa_IR
dc.subjectنرمال ‏سازی دادهfa_IR
dc.subjectنرمال‏ سازی رتبه ‏ایfa_IR
dc.subjectاکوهیدرولوژیfa_IR
dc.titleتعیین اثر پیش ‏پردازش داده بر عملکرد شبکۀ عصبی مصنوعی به‏منظور پیش‏ بینی بارش ماهانه در شهرستان آبادهfa_IR
dc.typeTexten_US
dc.typeپژوهشیfa_IR
dc.contributor.departmentاستادیار، گروه علوم و مهندسی آب، دانشکدۀ کشاورزی، دانشگاه فساfa_IR
dc.contributor.departmentاستادیار، گروه علوم و مهندسی آب، دانشکدۀ کشاورزی، دانشگاه فساfa_IR
dc.contributor.departmentدانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکدۀ کشاورزی، دانشگاه فساfa_IR
dc.contributor.departmentمربی گروه فناوری اطلاعات، دانشکدۀ مهندسی، دانشگاه فساfa_IR
dc.citation.volume4
dc.citation.issue1
dc.citation.spage29
dc.citation.epage37
nlai.contributor.orcid0000-0002-9935-7899


فایل‌های این مورد

Thumbnail

این مورد در مجموعه‌های زیر وجود دارد:

نمایش مختصر رکورد