مطالعه مقایسه‌ای معماری‌ های شبکه عصبی برای پیش‌ بینی بارش باران

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مطالعه مقایسه‌ای معماری‌ های شبکه عصبی برای پیش‌ بینی بارش باران

عنوان لاتین

Comparative Study of Neural Network Architectures for Rainfall Prediction

اکثر کشاورزان هندی برای کشاورزی به بارش باران وابسته هستند. بنابراین، در کشور کشاورزی مانند هند، پیش‌بینی بارش باران بسیار اهمیت دارد. این مقاله یک مطالعه مقایسه‌ای از معماری‌های شبکه عصبی موسوم به شبکه عصبی پس انتشار (BPNN)، شبکه عصبی رگرسیون تعمیم یافته (GRNN) و شبکه عصبی تابع پایه شعاعی (RBNN) برای پیش‌بینی بارش باران در منطقه تانجورو استان تامیل نادو، هند ارائه می‌کند. مدل‌های مختلف با استفاده از مجموعه داده‌های آموزشی، آموزش داده شده و از نظر دقت برای داده‌های آزمون موجود مورد آزمایش قرار گرفته‌اند. نرم‌افزار MATLAB برای توسعه مدل استفاده شده است. پس از آموزش تمام شبکه‌ها و آزمایش آنها، متوجه شدیم که RBNN بهترین نتیجه را برای پیش‌‌بینی به دست می‌دهد.

Majority of Indian farmers depend on rainfall for agriculture. Thus, in an agrarian country like India, rainfall prediction becomes very important. This paper presents comparative study of neural network architectures namely Back Propagation Neural Network (BPNN), Generalized Regression Neural Network (GRNN) and Radial Basis function Neural Network (RBNN) to predict rainfall in Thanjavur district of southern province Tamil Nadu, India. The different models are trained using the training data set and have been tested for accuracy on available test data. MATLAB has been used for model development. After training all networks and testing them we found that RBNN gives best result for prediction.