آرشیو

آرشیو شماره ها:
۵۵

چکیده

در این مطالعه با استفاده از داده های دمای حداقل روزانه، در دوره ی آماری ۲۱ ساله ی به پیش بینی یخبندان های استان کرمانشاه با استفاده از شبکه های عصبی پرداخته شده است. داده های مورد استفاده از طریق تابعی یک به یک و پوشا به منظور تعیین معیاری جهت پیش بینی یخبندان به مقادیر بین صفر و یک تبدیل شده و از شبکه پیش رو با یک لایه میانی مخفی با تعداد نورون های متغیر برای هر یک از ایستگاه ها به پیش بینی و بالاخره تعیین بازه های یخبندان پرداخته شد. الگوریتم مورد استفاده در این پژوهش، پس انتشار با روش آموزش دسته ای و توابع انتقال Satlins، Logsig و Satlin بوده است. تعیین بازه های یخبندان و بدون یخبندان در هر یک از ایستگاه های سینوپتیک و پیش بینی یخبندان های زودرس و دیررس از نتایج این مطالعه بوده و شبکه طراحی شده بین 72.22 تا 80.55 درصد برای هر ایستگاه همگرایی داشته است. نتایج نشان می دهد با توجه به محدودیت داده ها، شبکه های عصبی MLP توانایی مطلوبی در پیش بینی و تخمین یخبندان ها دارد.

A MLP neural network which predict frosts in keranshah province

This study, with the help of minimum temperature data, has addressed the prediction of frost during 21 years period by means of neural network in Kermanshah province. In order to forecast frost, data were converted to the values between 0 and 1 by means of a subjective and one to one (injective) function. We have used feed-forward neural network by one hidden interior layer with number of changeable neurons for each station to forecast and ultimately to determine frost spans. The algorithm in this investigation has used back propagation with batch training method and training functions such as Satlins, logsig and Satlin. Determination of frost and non- frost spans in each synoptic station and forecasting Precocious and serotinous frost are results of this study, and the designed network has had a convergence between 72.22 to 80.55 percent for each station. Results of this study reveal that, in spite of data limitations, MLP neural network has adequate ability in forecasting and estimating frost.

تبلیغات