|
بررسی امکان پیش‌بینی سرعت باد با استفاده از مدل‌های هیبرید شبکه‌های عصبی، شبکه‌های فازی-عصبی و تئوری موجک (مطالعه موردی: ایستگاه سینوپتیک یزد)
|
حمیده افخمی*   ، علی طالبی ، مژده محمدی ، فرزانه فتوحی |
|
|
|
چکیده: (10225 مشاهده) |
| پیش‌بینی مؤلفه‌های باد از جمله سرعت باد یکی از عوامل مهم به خصوص در بحث تبخیر در یک حوزه آبخیز محسوب می‌گردد. در این مقاله سعی گردید، جهت افزایش کارایی مدل‌های هوش مصنوعی، در پیش‌بینی سرعت باد، دو مدل شبکه عصبی و فازی-عصبی با تئوری موجک ترکیب شده و دو مدل هیبرید جدید ارائه گردید. در این تحقیق با استفاده از برخی پارامتر‌های اقلیمی ایستگاه همدیدی یزد از جمله سرعت باد، دمای متوسط، دمای بیشینه، رطوبت نسبی و تبخیر، سرعت باد در مقیاس ماهانه برآورد گردید و سپس کارایی دو مدل‌های هیبرید شبکه عصبی موجکی و شبکه فازی-عصبی موجکی با مدل‌های شبکه عصبی و فازی-عصبی در پیش‌بینی سرعت باد 12 ماه آینده مورد مقایسه قرار گرفت. در نهایت جهت تائید کارایی بهترین مدل، با استفاده از پارامتر‌های اقلیمی موثر سال 1383 سرعت باد در سال 1384 پیش‌بینی گردید. نتایج بدست آمده در مرحله ارزیابی مدل‌ها، تفاوت قابل ملاحظه عملکرد بهتر شبکه‌های عصبی موجکی و فازی-عصبی موجکی را نسبت به مدل‌های شبکه عصبی و فازی-عصبی نشان دادند. شایان ذکر است در مرحله ارزیابی، کارایی بالای شبکه های فازی-عصبی موجکی، برتری این مدل را نسبت به سایر مدل ها به اثبات رسانید. |
|
| واژه‌های کلیدی: پیش بینی، سرعت باد، موجک، شبکه عصبی موجکی، شبکه های فازی-عصبی موجکی |
|
|
متن کامل [PDF 840 kb]
(4376 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1394/7/5 | پذیرش: 1394/7/5 | انتشار: 1394/7/5
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
