CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارزیابی تاثیر پیش پردازش پارامترهای ورودی به شبکه عصبی مصنوعی با استفاده از روش-های رگرسیون گام به گام به منظور پیشبینی ساعات آفتابی ماهانه مطالعه موردی: ایستگاه هواشناسی جیرفت

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۶ | نظرات: ۰
سال انتشار: ۱۳۹۸
کد COI مقاله: ABYARI15_081
زبان مقاله: فارسی
حجم فایل: ۴۳۲.۸۹ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی تاثیر پیش پردازش پارامترهای ورودی به شبکه عصبی مصنوعی با استفاده از روش-های رگرسیون گام به گام به منظور پیشبینی ساعات آفتابی ماهانه مطالعه موردی: ایستگاه هواشناسی جیرفت

  معین بهرام پور - کارشناسی ارشد سازه های آبی از دانشگاه شهید باهنر کرمان، کرمان
  محمد ذونعمت کرمانی - دانشیار بخش مهندسی آب دانشگاه شهید باهنر کرمان، کرمان،

چکیده مقاله:

میزان ساعات آفتابی باتاثیری که درتعیین میزان تابشخورشیددارد،عامل اصلی کنترل حیات،آب وهواوسایرفعالیتهای زیستی درسطح زمین بخصوص درمناطق خشک ونیمه خشک به شمارمیرود.ساعات آفتابی به علت نیاز به فاکتورهای اقلیمی مختلف و اثر متقابل این فاکتورها برهمدیگر یک پدیده ی غیرخطی و پچیده است.یکی از مراحل پیچیده در در مدلسازی سیستم های غیرخطی، پیش پردازش پارامترهای ورودی جهت انتخاب ترکیبی مناسب از آنها است.پیش پردازش داده ها سبب کاهش مراحل سعی وخطا و شناخت مهمترین پارامترها موثر بر پدیده ی مورد نظر جهت مدلسازی با استفاده از روش های هوشمند میگردد. در این تحقیق از روش رگرسیون گام به گام FS برای پیش پردازش پارامترهای ورودی به شبکه عصبی پرسپترون چند لایه MLP جهت تخمین مجموع ساعات آفتابی ماهانه ایستگاه سینوپتیک جیرفت استفاده شده است. برای ارزیابی تاثیر پیش پردازش پارامترهای ورودی با استفاده از معیارهای مختلف آماری سنجش خطا به مقایسه مدل ANN-FSپردازش شده توسط رگرسیون گام به گام با مدل ANN که هیچ گونه پیشپردازشی روی پارامترهای ورودی آن انجام نشده است، پرداخته شد. نتایج نشان داد که هر دو مدل از دقت قابل قبولی در پیشبینی مجموع ساعات آفتابی برخوردار هستند. اما مدل ANN-FS با داشتن ضریب تبیین 0/83 و ریشه میانگین مربعات خطا 0/0205 RMSE نسبت به مدلANN با داشتن r2برابر 0/76 و RMSE برابر 0/028 از دقت بالاتری برخوردار است. اگر چه در این تحقیق برتری مدل ANN-FS نسبت به مدل ANN مشخص گردید، اما توانایی مشخص نمودن ترتیب اهمیت پارامترهای ورودی برای آموزش شبکه و یافتن بهترین ترکیب از پارامترهای ورودی توسط تکنیکFS میتواند بعنوان ابزار مفیدی برای پیش پردازش پارامترهای ورودی جهت پیشبینی ساعات آفتابی مفید باشد.

کلیدواژه‌ها:

انتخاب پیشرو، شبکه عصبی، ساعات آفتابی.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ABYARI15-ABYARI15_081.html
کد COI مقاله: ABYARI15_081

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بهرام پور, معین و محمد ذونعمت کرمانی، ۱۳۹۸، ارزیابی تاثیر پیش پردازش پارامترهای ورودی به شبکه عصبی مصنوعی با استفاده از روش-های رگرسیون گام به گام به منظور پیشبینی ساعات آفتابی ماهانه مطالعه موردی: ایستگاه هواشناسی جیرفت، پانزدهمین همایش ملی آبیاری و کاهش تبخیر، کرمان، دانشگاه شهید باهنر کرمان، https://www.civilica.com/Paper-ABYARI15-ABYARI15_081.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (بهرام پور, معین و محمد ذونعمت کرمانی، ۱۳۹۸)
برای بار دوم به بعد: (بهرام پور و ذونعمت کرمانی، ۱۳۹۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۴۲۸۲
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.