بررسی کارایی روشهای رگرسیون خطی، شبکه عصبی مصنوعی و سیستم های عصبی فازی تطبیقی در بازسازی داده های بارندگی (مطالعه موردی بازسازی آمار بارش ماهانه)

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 514

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCUIMWR03_342

تاریخ نمایه سازی: 15 اسفند 1393

چکیده مقاله:

مسئله داده های گم شده (missing value) جزء مواردی است که در اکثر کارهای علمی با آن مواجه هستیم. در مواردی چون مدل سازی بارش و روان آب، برآورد بارش یک منطقه از روی ایستگاه های هواشناسی مجاور منطقه وجود سری داده ها با طول آماری مناسب و بدون داده های از دست رفته بسیار با اهمیت می باشد. . در تحقیق حاضر از روش های رگرسیون خطی (LR)، شبکه عصبی مصنوعی (ANN) و سیستم های عصبی فازی تطبیقی (ANFIS) به منظور تخمین داده های گم شده استفاده شد. در مدل (ANN ) شبکه های MLP و RBF با 5 نوع تابع فعالیت به کار گرفته شد. در مدل (ANFIS) توابع عضویت 11 گانه بکارگرفته شد. بر اساس رابطه بین آمار موجود ایستگاه و ایستگاه مبنا در هر روش پس از حذف داده های مشاهده ای، مقادیر آنها از طریق روش های مذکور برآورد شده و با استفاده از آماره های ریشه میانگین مجذور مربعات خطا (RMSE) و ضریب همبستگی (R^2) اولویت هر یک از روش ها مورد شناسایی قرار گرفت. در بین مدل های مذکور رگرسیون خطی با R^2=0.85 و RMSE=0.041 و از مدل های (ANN) مدل (RBF 1-28-1) با R^2=0.86 و RMSE=0.046 و از مدل های (ANFIS) مدل guass2 با دو تابع عضویت با R^2=0.86 و RMSE=0.073 بهترین ساختارها شناخته شدند.

کلیدواژه ها:

بارش ، سیستم های عصبی فازی تطبیقی ، شبکه عصبی مصنوعی ، داده های گم شده ، رگرسیون خطی

نویسندگان

علیرضا خردمند

کارشناس ارشد سازه های آبی، شرکت مهندسین مشاور پژوهاب شرق ،مشهد، ایران

مریم عرفانیان

دانشجوی دکتری گروه آبیاری و زهکشی، دانشگاه فردوسی مشهد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • رحمانی، م. فرجی سبکبار، ح. مینائی، م. 1389، آموزش عملی ...
  • ساداتی نژاد و همکاران، ج. 1389، کاربرد روش رگرسیون خطی ...
  • Abeb, X.J., Solomatine, D.P. and Vennerker, R.G.W. _ Application of ...
  • Chang Y. and Ayyub, B. 2001. Fuzzy regression methods-a comparative ...
  • Chin, D.A. 1995. A scale model of multivariae rainfall time ...
  • Fuzzy Logic Toolbox _ For Use with MATLAB, by the ...
  • Introduction to Fuzzy Logic using MATLAB, S. N. Sivanandam, S. ...
  • Jamab Engineering Consulting Company. 1999. National water Resources master plan: ...
  • Khalili, A. 1998. Water Comprehen sive Plan of Iran. Ministry ...
  • Lookzadeh, S. 2O4. Evaluation of several different construction methods for ...
  • Macculloch, J.A.W. and Booth, M. 1970. Estimation of basin precipitation ...
  • You, J., Hubbard, K.G. and Goddard, S. _ Comparison of ...
  • نمایش کامل مراجع