مقایسه عملکرد شبکه عصبی پرسپترون چندلایه و مدل رگرسیونی لیناکر در پیش بینی کمینه دمای روز بعد (مطالعه موردی: کرمان، شیراز، رشت و همدان)

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
سرمازدگی یکی از مهم ترین مخاطرات جوی است که خسارات زیادی را به محصولات کشاورزی وارد می کند. یکی از راه های مدیریت و کاهش خسارت های ناشی از سرمازدگی، پیش بینی دمای کمینه است. به این منظور، با استفاده از آمار روزانه پارامترهای کمینه دما، بیشینه دما و دمای نقطه شبنم در دوره آماری 2009- 2005، کمینه دمای روز بعد در چهار ایستگاه با اقلیم های متفاوت توسط مدل رگرسیونی لیناکر و شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) ، در کل سال، دوره سرد و دوره گرم پیش بینی شد. در این پژوهش برای ارزیابی عملکرد مدل ها از معیارهای آماری NRMSE،RMSE و R2 استفاده شد. نتایج نشان داد که از چهار ایستگاه، بهترین برآورد، با شبکه عصبی MLP با دو ورودی برای ایستگاه رشت به دست آمد که ریشه میانگین مربعات خطای آن برای کل سال، دوره سرد و دوره گرم به ترتیب 57/1، 61/1 و 21/1 است. برای بررسی نقش رطوبت نسبی در جهت بهبود مدل شبکه عصبی، این پارامتر به عنوان ورودی سوم به شبکه پرسپترون چند لایه افزوده شدکه در نتیجه آن، RMSE در دوره سرد سال برای ایستگاه های کرمان، شیراز، همدان (فرودگاه) و رشت به ترتیب 04/3، 86/2، 48/9 و 83/15 درصد بهبود یافت. این مقادیر برای دوره گرم سال 6، 33/13، 86/2 و 63/18 درصد بود؛ بنابراین اضافه کردن رطوبت نسبی به عنوان ورودی سوم به مدل شبکه عصبی، تنها در ایستگاه همدان – که براساس طبقه بندی یونسکو، اقلیم آن SA-K-W است - سبب بهبود بیشتر RMSE در دوره سرد سال نسبت به دوره گرم سال شده است درحالی که در سایر ایستگاه ها، اضافه کردن رطوبت نسبی در دوره گرم سال، منجر به کاهش بیشترخطا شده است. در جمع بندی می توان گفت که برای همه اقلیم های مورد مطالعه، شبکه های عصبی مصنوعی منتخب، کارایی بهتری را نسبت به مدل رگرسیونی لیناکر در پیش بینی دمای کمینه روز بعد از خود نشان می دهند.
زبان:
فارسی
صفحات:
107 تا 121
لینک کوتاه:
magiran.com/p1929588 
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 990,000ريال 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.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!