پاییز و زمستان                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print


دانشگاه تبریز
چکیده:   (12 مشاهده)

انتخاب ورودی‌های مناسب برای مدل‌های هوشمند از اهمیت بسزایی برخوردار است.زیرا باعث کاهش هزینه و صرفه‌جویی در وقت وافزایش دقت و کارایی مدل‌هامی‌شود. هدف از این مطالعه، کاربرد آنتروپی شانون برای انتخاب ترکیب بهینه متغیرهای ورودی در مدل‌سازی سری زمانی می‌باشد. سری زمانی ماهانه بارش ، دما و تابش در دوره زمانی 1361تا1389 برای ایستگاه سینوپتیک تبریز مورداستفاده قرار گرفت.پارامترهای بارش ،دما و تابش با تأخیرهای مختلف به‌عنوان ورودی به آنتروپی شانون در نظر گرفته شد.نتایج آنتروپی شانون نشان داد که سری زمانی با سه تأخیر،نتایج بهتری را برای مدل‌سازی ارائه می‌دهد.شبیه‌سازی با استفاده از دومدل شبکه بیزین و رگرسیون خطی چند متغیره انجام گرفت.کارایی مدل‌هابااستفاده از سه معیار:ضریب تبیین (R2)،ریشه جذر میانگین خطا (RMSE)وشاخص پراکندگی(SI) محاسبه گردید.از میان این دومدل با ساختار ورودی‌های یکسان ، مدل شبکه عصبی بیزین عملکرد بهتری برای شبیه‌سازی سری زمانی بارش،دما و تابش در مقایسه با رگرسیون چندمتغیره داشته است. نتایج تحقیق نشان داد که آنتروپی شانون در انتخاب ترکیب ورودی مناسب در مدل‌های هوشمندمی­تواند کارایی بهتری داشته باشد.

     
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۵/۳/۱۱ | پذیرش: ۱۳۹۵/۱۱/۶

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Journal of Watershed Management Research

Designed & Developed by : Yektaweb