ارزیابی شبیه های مختلف شبکه ی عصبی مصنوعی و روش های زمین آمار درتکمیل داده های مفقود بارش روزانه
نویسنده:
چکیده:
افزایش دقت براورد داده های مفقود بارش روزانه، بویژه در حوضه های بزرگ آبخیز با شبکه باران سنجی غیر متراکم، یکی از چالش های آبشناسها می باشد. در این مطالعه، شش شبیه شبکه عصبی مصنوعی به نامهای MLP، TLFN، RBF، RNN، TDRNN وCFNN با روش های مختلف اعتبار سنجی برای تکمیل داده های مفقود بارش روزانه در مقایسه با روش های زمین آمار کریجینگ و کوکریجینگ با شبیه های مختلف مورد بررسی قرار گرفته اند. برای ارزیابی دقت شبیه های مختلف در تکمیل داده های مفقود، از داده های بارش 15 ایستگاه بارانسنجی موجود در حوضه ی رود کرخه استفاده شده است. نتایج نشان می دهند که شبیه های MLP، TLFN، CFNN وکوکریجینگ می توانند دقیقترین برآورد را از مقادیر گم شده ارائه دهند، هرچند به نظر می رسد که شبیه MLP در براورد داده های مفقود بارش موثرتر از بقیه است. همچنین، بر اساس نتایج به دست آمده، شبیه RNN و TDRNN در مورد داده های بارش تناسب کمتری داشته، و ضعیفترین نتیجه مربوط به شبیه RBF است. روش کریجینگ از روش های برتر عملکرد ضعیفتری داشته، اما از شبیه های RNN و TDRNNو RBF بهتر است.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
69 تا 88
لینک کوتاه:
magiran.com/p1520047
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!