Daily Precipitation Forcasting Using Artifical Neural Networks in the Province of Kerman, A Case Studies for Stations of Kerman, Baft, Miandeh Jiroft.
پیش بینی بارش روزانۀ استان کرمان با شبکه های عصبی مصنوعی (مطالعة موردی: کرمان، بافت و میانده جیرفت)
Publisher:
Year
: 1393
Abstract: اهداف: هدف این پژوهش، پیش بینی بارش روزانه با استفاده از آمار روزانۀ هواشناسی ایستگاه های کرمان، بافت و میانده جیرفت، طی دورۀ مشترک آماری 23 ساله (2012-1989) می باشد.rnروش: برای دست یافتن به هدف تحقیق، به آموزش شبکه های عصبی مصنوعی با ساختار پرسپترون چند لایه و شبکة عصبی تابع پایة شعاعی پرداخته شد. ترکیب های مختلف پارامترهای کمینۀ دما، بیشینۀ دما، میانگین دما، رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار، به عنوان ورودی های شبکه های عصبی مصنوعی و بارش روزانه به عنوان خروجی شبکه درنظر گرفته شدند. rnیافته ها/ نتایج: نتایج نشان داد شبکه های عصبی مصنوعی پایۀ تابع شعاعی از دقت بسیار بیشتر و خطای کمتری نسبت به شبکة عصبی پرسپترون، برای تخمین بارش روزانه در هر سه ایستگاه برخوردار هستند. rnنتیجه گیری: در بهترین ترکیب با پارامتر های کمینه و بیشینه و حداقل دما و رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار در ایستگاه کرمان با ضریب همبستگی 907/0 و جذر میانگین مربعات خطای 014/0، بهترین مدل پیش بینی بارش در این تحقیق شناخته شدند.
DOI: 10.22067/geography.v12i23.26991
Collections
:
-
Statistics
Daily Precipitation Forcasting Using Artifical Neural Networks in the Province of Kerman, A Case Studies for Stations of Kerman, Baft, Miandeh Jiroft.
Show full item record
| contributor author | Kamal Omidvar | |
| contributor author | کمال امیدوار | Fa |
| contributor author | Massumeh nabavi zadeh | |
| contributor author | معصومه نبوی زاده | |
| date accessioned | 2020-06-05T11:43:00Z | |
| date available | 2020-06-05T11:43:00Z | |
| date copyright | 2015-06-14 00:00:00 | |
| date issued | 1393 | |
| identifier uri | http://libsearch.um.ac.ir:80/fum/handle/fum/3340086?locale-attribute=en | |
| description abstract | اهداف: هدف این پژوهش، پیش بینی بارش روزانه با استفاده از آمار روزانۀ هواشناسی ایستگاه های کرمان، بافت و میانده جیرفت، طی دورۀ مشترک آماری 23 ساله (2012-1989) می باشد.rnروش: برای دست یافتن به هدف تحقیق، به آموزش شبکه های عصبی مصنوعی با ساختار پرسپترون چند لایه و شبکة عصبی تابع پایة شعاعی پرداخته شد. ترکیب های مختلف پارامترهای کمینۀ دما، بیشینۀ دما، میانگین دما، رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار، به عنوان ورودی های شبکه های عصبی مصنوعی و بارش روزانه به عنوان خروجی شبکه درنظر گرفته شدند. rnیافته ها/ نتایج: نتایج نشان داد شبکه های عصبی مصنوعی پایۀ تابع شعاعی از دقت بسیار بیشتر و خطای کمتری نسبت به شبکة عصبی پرسپترون، برای تخمین بارش روزانه در هر سه ایستگاه برخوردار هستند. rnنتیجه گیری: در بهترین ترکیب با پارامتر های کمینه و بیشینه و حداقل دما و رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار در ایستگاه کرمان با ضریب همبستگی 907/0 و جذر میانگین مربعات خطای 014/0، بهترین مدل پیش بینی بارش در این تحقیق شناخته شدند. | Fa |
| publisher | Ferdowsi University of Mashhad Press | |
| publisher | انتشارات دانشگاه فردوسی مشهد | Fa |
| title | Daily Precipitation Forcasting Using Artifical Neural Networks in the Province of Kerman, A Case Studies for Stations of Kerman, Baft, Miandeh Jiroft. | |
| title | پیش بینی بارش روزانۀ استان کرمان با شبکه های عصبی مصنوعی (مطالعة موردی: کرمان، بافت و میانده جیرفت) | Fa |
| contenttype | External Fulltext | |
| identifier doi | 10.22067/geography.v12i23.26991 | |
| journal title | Journal of Geography and Regional Development (Peer-reviewed) | |
| journal title | جغرافیا و توسعه ناحیه ای | Fa |
| journal volume | 12 | |
| journal issue | 1443 | |
| identifier link | https://jgrd.um.ac.ir/article/view/26991/ | |
| series | دوره 12 شماره 23 (1393) | |
| identifier ojsid | 26991 |