List of Articles Intelligent Models

• Open Access Article
  • Abstract Page
  • Full-Text
  
  1 - استفاده از روش‌های شبکه عصبی موجکی و سیستم استنتاج فازی عصبی تطبیقی در پیش‌بینی بارش ماهانه
  اباذر سلگی حیدر زارعی بهداد فلامرزی
  پیش بینی بارش به دلیل ماهیت تصادفی آن در مکان و زمان همواره با مشکلات بسیاری مواجه بوده است و این عدم قطعیت از اعتبار بسیاری از مدل های پیش بینی می کاهد. امروزه شبکه های غیرخطی به عنوان یکی از سیستم های هوشمند در پیش بینی یک چنین پدیده های پیچیده ای بسیار مورد استفاده ق More

  پیش بینی بارش به دلیل ماهیت تصادفی آن در مکان و زمان همواره با مشکلات بسیاری مواجه بوده است و این عدم قطعیت از اعتبار بسیاری از مدل های پیش بینی می کاهد. امروزه شبکه های غیرخطی به عنوان یکی از سیستم های هوشمند در پیش بینی یک چنین پدیده های پیچیده ای بسیار مورد استفاده قرار می گیرند. یکی از روش هایی که در سال های اخیر در زمینه هیدرولوژی مورد توجه قرار گرفته است، استفاده از تبدیل موجک به عنوان روشی نوین و مؤثر در زمینه آنالیز سیگنال ها و سری های زمانی است. در پژوهش حاضر، تجزیه و تحلیل موجک به صورت ترکیب با شبکه عصبی مصنوعی و مقایسه با سیستم استنتاج فازی- عصبی تطبیقی برای پیش بینی بارش ایستگاه وراینه در شهرستان نهاوند انجام شد. برای این منظور، سری زمانی اصلی با استفاده از تئوری موجک به چندین زیرسیگنال زمانی تجزیه شد، پس از آن این زیرسیگنال ها به عنوان داده های ورودی به شبکه عصبی مصنوعی برای پیش بینی بارش ماهانه استفاده شد. نتایج به دست آمده نشان داد که مدل ترکیبی موجک- شبکه عصبی عملکرد بهتری نسبت به مدل سیستم استنتاج فازی- عصبی تطبیقی دارد و می تواند برای پیش بینی بارش کوتاه مدت و بلند مدت استفاده شود. همچنین نتایج نشان داد که مدل ترکیبی موجک- شبکه عصبی در برآورد نقاط حدی به خوبی عمل می کند. Manuscript profile