جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه data normalization در نشریات گروه کشاورزی
data normalization
در نشریات گروه اکولوژی
تکرار جستجوی کلیدواژه data normalization در مقالات مجلات علمی
-
توابع تبدیل صورت میگیرد. در پژوهش حاضر با استفاده از اطلاعات میانگین بارش ماهانه، کمترین و بیشترین دما و رطوبت ایستگاه سینوپتیک شهرستان آباده در بازه زمانی 1355 تا 1392 بهصورت نرمالشده و خام بهعنوان ورودی های شبکه پرسپترون چندلایه، بارش ماه آینده شهرستان پیشبینی شد. برای نرمالسازی داده های هواشناسی، پس از بررسی وجود داشتن یا نداشتن داده های گمشده و پرت از سه روش نرمالسازی مینیمم ماکزیمم، رتبهای و آماره نرمال استاندارد استفاده شد. پس از بهدستآوردن بهترین ساختار شبکه با استفاده از آزمون و خطا برای هر روش از مقایسه بهترین ساختارهای هر روش با یکدیگر، روش مینیمم ماکزیمم با ساختار شبکه سهلایه و تعداد 13 نورون در لایه پنهان با مقدار 92/0=R و 12/0=MSE در مقایسه با دیگر روشها بهعنوان بهترین روش انتخاب شد. نتایج آنالیز حساسیت انجامشده نیز نشان داد مدل به حذف پارامتر بیشترین رطوبت بیشتر از سایر پارامترها حساسیت نشان داد. پس از آن نیز دمای حداکثر بیشترین تاثیر را بر پیشبینی بارش داشت. همچنین مقایسه عملکرد شبکه با تعداد ورودی های مختلف نشان داد شبکه با داشتن دو ورودی شامل کمترین دما و رطوبت با مقدار 13/0= MSE در مواقعی که کمبود داده وجود دارد نسبت بهتعداد پنج ورودی به نتیجه خوبی رسید.کلید واژگان: آماره نرمال استاندارد، بارندگی، مینیمم، ماکزیمم، نرمال سازی داده، نرمال سازی رتبه ایSince many time series are not normal, it is required to normalize data by transformation functions prior to any analysis and modeling. In this study, the next month rainfall of Abadeh County station was predicted using the average monthly rainfall, minimum and maximum temperatures and minimum and maximum humidity as inputs of MLP network, both normally and raw, at period 1976 to 2013. After scrutiny the existence or nonexistence of missing and outlier data, meteorological data were normalized using three normalizationMethodsminimum-maximum, rank normalization and z- score. After obtaining the best network structure using try and error for each method, the minimum-maximum method with a three-layer network structure and 13 number of hidden layers of neurons chose as the best method with R=0.92 and MSE=0.13 compared to other methods. Also comparing the performance of the network in using raw and Pre-Processed data showed that Pre-Processing the data improved greatly network performance. The results of the sensitivity analysis showed the maximum sensitivity of model to remove maximum humidity parameter, and the second the maximum temperature had the greatest impact on precipitation forecast. Also comparing the performance of the network with the different numbers of inputs indicated that network with two inputs including minimum temperature and minimum humidity had good results (MSE = 0.13) compare with five inputs.Keywords: Data Normalization, Minimum, Maximum, Rainfall, Rank normalization, Z-score
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.