عنوان : ( پیشبینی بارندگی ماهانه با استفاده مستقیم از موجک و شبکه عصبی موجکی )
نویسندگان: پریوش طوفانی , احمد فاخری فرد , ابوالفضل مساعدی , امیر حمد دهقانی ,
Full Textچکیده
برآورد و پیشبینی بارش اهمیت ویژه‌ای دارد. به دلیل نبود قطعیت، هیچ‌یک از مد‌ل‌های آماری و مفهومی نتوانسته‌اند به عنوان یک مدل برتر در الگوسازی دقیق بارش شناخته شوند. اخیراً استفاده از موجک در آنالیز سیگنال‌ها و سری‌های زمانی در هیدرولوژی مورد توجه قرار گرفته‌است. در این تحقیق، سیگنال بارندگی با استفاده از موجک مادر منتخب تجزیه شده و داده‌های حاصل با دو روش برازش معادلات مستقیم و هیبرید عصبی- موجکی برای پیشبینی استفاده شدند. روش مذکور در مورد پیشبینی بارندگی ماهانه 33 سال ایستگاه زرینگل از سال آبی 55-1354 تا 87-1386 به کار گرفته شد و نتایج حاصل با یکدیگر مقایسه شد. نتایج نشان داد که تجزیه سیگنال با موجک، همبستگی میان داده‌های مشاهداتی و محاسباتی را به طور قابل ملاحظه‌ای افزایش می‌دهد و پیشبینی سیگنال بارندگی با دقت بیشتری صورت می‌گیرد، به طوری‌که در روش مستقیم میزان R2 برابر با 74/0 و در روش هیبرید عصبی- موجکی در بهترین حالت برای 4 سطح تجزیه برابر 95/0 است. این نتیجه می‌تواند قدرت موجک در ساده‌سازی سیگنال و افزایش دقت پیشبینی داده‌های کاملاً تصادفی بارندگی در منطقه مورد نظر را تایید کند. ضمن آنکه، معنی‌دار نبودن آزمون تست Fدر سطح %90 و بالاتر، تایید دیگری بر این مطلب است.
کلمات کلیدی
, بارش, پیشبینی, سیگنال, تئوری موجک, هیبرید عصبی- موجکی, زرینگل
@article{paperid:1054234,
author = {پریوش طوفانی and احمد فاخری فرد and مساعدی, ابوالفضل and امیر حمد دهقانی},
title = {پیشبینی بارندگی ماهانه با استفاده مستقیم از موجک و شبکه عصبی موجکی},
journal = {مرتع و آبخیزداری},
year = {2015},
volume = {68},
number = {3},
month = {December},
issn = {2008-5044},
pages = {553--571},
numpages = {18},
keywords = {بارش، پیشبینی، سیگنال، تئوری موجک، هیبرید عصبی- موجکی، زرینگل},
}
%0 Journal Article
%T پیشبینی بارندگی ماهانه با استفاده مستقیم از موجک و شبکه عصبی موجکی
%A پریوش طوفانی
%A احمد فاخری فرد
%A مساعدی, ابوالفضل
%A امیر حمد دهقانی
%J مرتع و آبخیزداری
%@ 2008-5044
%D 2015
