پیش‌بینی بارندگی با استفاده ازهیبرید CLA و شبکه عصبی GMDH

رضا محمدپور¹ صادق جهاندیده توابع²

1) استادیار، دانشگاه آزاد اسلامی واحد استهبان، ایران -
2) دانشجویی کارشناسی ارشد عمران گرایش آب، دانشگاه آزاد اسلامی واحد استهبان،باشگاه پژوهشگران جوان، ایران -

کد IOI مقاله : XYFK-BBKBZ
محل انتشار : چهارمین کنفرانس بین المللی پژوهش در مهندسی، علوم و تکنولوژِی(4restconf.com)
چکیده :
    امروزه برنامه‌ریزی، طراحی و مدیریت سامانه های منابع آب، پیش‌بینی اثرها را هم در بر می‌گیرند. از این رو در اغلب پروژه‌های منابع آب از قبیل سدها، مخازن، مهار سیلابها و کشاورزی، نیاز به پیش‌بینی بارندگی در فواصل حداقل یک ماهه دارد. در این تحقیق دقت اتوماتون سلولی یادگیر(CLA) و شبکه عصبی در دسته بندی روزهای بارندگی و غیربارندگی بررسی و مقایسه شده است. نتایج حاصله نشان داد که دقت طبقه‌بندی اتوماتون سلولی یادگیر(0.87 =R^2) بهتر از شبکه عصبی دسته بندی گروهی داده ها GMDH (R^2=0.77) می‌باشد. در ادامه جهت پیش‌بینی مقدار بارندگی از دو نوع شبکه عصبی‌مصنوعی GMDH و همچنین ترکیب اتوماتای سلولی یادگیر با شبکه عصبی GMDH مورد بررسی قرار گرفت. نتایج حاصله نشان داد هر چند که شبکه عصبی با مقادیر (0.88 =R^2 و 0.324 =RMSE) دارای دقت مناسبی در پیش بینی بارندگی می باشد، اما هیبرید آتوماتون سلولی یادگیر با شبکه های عصبی (0.93=R^2 و 0.138=RMSE) قادر است با دقت بالاتری میزان بارش را پیش‌بینی نماید تکنیک ارائه شده در این مقاله می‌تواند به عنوان یک ابزار قدرتمند جهت پیش‌بینی در مسائل مربوط به منابع آب و هیدرولوژی و موارد مشابه آن استفاده شود.

کلمات کلیدی : بارندگی پیش‌بینی شبکه عصبی cla gmdh