یش‌بینی بارش روزانه با استفاده از روش شبکه عصبی DeepESN و بر اساس داده‌های‌ ایستگاه‌های هواشناسی استان هرمزگان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده فنی و مهندسی ،گروه کامپیوتر ، واحد بندرعباس ، دانشگاه آزاد اسلامی بندرعباس، ایران

2 دانشکده فنی و مهندسی، واحد رفسنجان، دانشگاه آزاد اسلامی، رفسنجان، ایران

3 دانشکده فنی ومهندسی ، واحد بندرعباس ، دانشگاه آزاد اسلامی ، بندرعباس ، ایران.

چکیده

در این پژوهش دقت مدل پیش­بینی روزانه بارش توسط شبکه عصبی DeepESN و روش رگرسیون چندمتغیره خطی مورد مقایسه قرار گرفته است. در همین راستا داده­های واقعی بارش و همچنین دیگر پارامترهای تأثیرگذار بر آن را با فاصله زمانی روزانه مربوط به 30 سال گذشته از اداره تحقیقات هواشناسی استان هرمزگان دریافت و  از طریق هردو روش فوق مورد تحلیل و بررسی قرار گرفته­اند.  این داده­ها مربوط به شهرهای بندرعباس، قشم و میناب بوده و به جهت نزدیکی شرایط آب و هوایی این سه شهر، داده­ها قبل از ورود به شبکه عصبی و رگرسیون چندمتغیره، میانگین­سازی شده­اند. پیاده­سازی شبکه عصبی DeepESN در نرم‌افزار متلب و پیاده­سازی روش رگرسیون چندمتغیره خطی در نرم‌افزار SPSS صورت پذیرفته است. در پایان نتایج نشان داد که مدل پیش­بینی بارش روزانه  مربوط به شبکه عصبی DeepESN نسبت به رگرسیون چندمتغیره خطی دارای مدل پیش­بینی بهتری با استفاده از خروجی توابع ارزیابی بوده است.

کلیدواژه‌ها

مراجع

  • [1] Romeo, Francisco. Zamora, “Time-series Forecasting of Indoor Temperature Using Pre-trained Deep Neural Network", Springer, 2013.##
  • [2] Emilcy Juliana Hernandez, Victor Sanches Anguix, "Rainfall Prediction: A Deep Learning Approach", Research Gate, 2016.##
  • [3] Zhang, Akhil. Guliani, "Machine Learning-Based Temperature Prediction For Run-Time Thermal Management Across System Components", IEEE, 2016.##
  • [4] Cramer, Sam, "New Genetic Programming Methods for Rainfall Prediction of Kent”, 2017.##
  • [5] Dash, Saroj K. Mishra, Bijaya. K, Panigrahi, "Rainfall Prediction for the Kerala State of India Using Artificial Intelligence Approaches", Elsevier, 2018.##
  • [6] Du, Yayun. Liu, "Study of Precipitation Forecast Based on Deep Belief Networks", Algorithms, 2018.##
  • [7] Liu, Chao. Zhang, "Application of Temperature Prediction Based on Neural Network in Instruction Detection of  IoT", Wiley, 2018.##
  • [8] Lee, Chul-Gyum. Kim, "Application of Artificial Neural Networks to Rainfall Forecasting in the Geum River Basin Korea", Water, 2018.##
  • [9] Poornima and M. Pushpalatha, "Prediction of Rainfall Using Intensified LSTM Based Recurrent Neural Network With Weighted Linear Units", Atmosphere, 2019.##
  • Hadi Pour, Ahmad. Khairi Abd Wahab, "Physical-Empirical Models for Prediction Seasonal Rainfall Extreme of Peninsular Malaysia", Pre-proof, 2019.(In Persian)##
  • Yashwanth, Palla. Ratna Sai Kumar, "Comparative Study of Machine Learning Algorithms for Rainfall Prediction", Trend Scientific in Research and Development, 2019.##
  • Tran Anh, Thanh. Duc Dang, "Improved Rainfall Prediction Using Combined Pre-Processing Methods and Feed-Forward Neural Networks", Multidisciplinary Scientific Journal, 2019.##
  • Wang, Jie. Lu, Zheng. Yan, " Deep Uncertainly Quantification: A Machine Learning Approach For Weather Forecasting", Applied Data Science Track Paper, 2019.##
  • Meng-Hua. Yen, Ding-Wei. liu, Yi-Chia. Hsin, Chu-En Lin, Chii-Chang. Chen, "Application of the Deep Learning For the Prediction Rainfall in Southern Taiwan", Nature search, 2019.##
  • Yoanchao, Xu, "A Review of Machine  Learning  With Echo State Network ", 2020 .##
  • Habibi pour, Reza. Safari Shali, “Comperhensive Guid to survey Research”, Section 2, Page 29-30, 1395.(In Persian)
  • http://www.hormozganmet.ir/, 2020.##
مجله نوآوری های فناوری اطلاعات و ارتباطات کاربردی
دوره 2، شماره 1 - شماره پیاپی 1
بهار 1402
آذر 1402
صفحه 31-37

فایل ها

هم رسانی

ارجاع به این مقاله

آمار