تأثیر پیش پردازش متغیرهای ورودی به شبکه عصبی برای پیش بینی جریان ماهانه با آنالیز مؤلفه های اصلی و موجک

سال انتشار: 1388
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 546

فایل این مقاله در 10 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:

JR_WWJ-20-69_002

تاریخ نمایه سازی: 4 مهر 1393

چکیده مقاله:

برآورد جریان حوضه آبریز با توجه به کاربرد گسترده آن در علوم مرتبط با صنعت آب ، از دیرباز مورد توجه پژوهشگران بوده است . ارائه الگوهای نو و به کارگیری تکنیک های پیشرفته می تواند موجب ایجاد تحول در برآورد این سیستم دینامیک و غیرخطی شود. در این تحقیق برای پیش بینی جریان ماهانه ، از شبکه عصبی پیشخور استفاده گردیده است . به علت تعداد زیاد متغیرهای مورد استفاده در این تحقیق برای پیش بینی جریان ، شناخت متغیرهای مؤثر بر شبکه می تواند باعث بهبود نتایج گردد . به این منظور ، با استفاده از تکنیک آماری آنالیز مؤلفه های اصلی ، که باعث کاهش تعداد متغیرها و ورود متغرهای مؤثر به شبکه می شود ، اقدام به مدل سازی جریان شد (PCA-ANN) . در ابتدا از PCA برای کاهش متغیرهای ورودی استفاده شد و پس از تبدیل 18 متغیر به 18 مؤلفه جدید ، از 8 مؤلفه اول در بهترین مدل به عنوان ورودی به شبکه استفاده گردید. همچنین با استفاده از موجک ، پیش پردازش روی متغیرهای اصلی صورت گرفت و مدلی نیز برای پیش بینی جریان با این روش ارائه شد (WNN). در نهایت ، نتایج به دست آمده از این سه مدل ، حاکمی از نقش مؤثر بیش پردازش روی متغیرها توسط PCA و موچجک بود. همچنین در مقایسه با مدل های ANN و WNN در مدل PCA-ANN ، ساختار ساده تر ، سرعت آموزش شبکه بیشتر و نتایج رضایت بخش تر بود.

نویسندگان

روح اله نوری

دانشجوی دکترای مهنسدی محیط زیست، دانشگاه تهران

اشکان فرخ نیا

دانشجوی کارشناسی ارشد مهندسی منابع آب ، دانشکده کشاورزی ، دانشگاه تربیت مدرس ، تهران

سعید مرید

دانشیار گروه مهندسی منابع آب ، دانشکده کشاورزی ، دانشگاه تربیت مدرس ، تهران

حسین ریاحی مدوار

دانشجوی دکترای سازه های آبی ، دانشکده کشاورزی ، دانشگاه تربیت مدرس ، تهران