پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 338 |
| تعداد مقالات | 3,577 |
| تعداد مشاهده مقاله | 4,503,666 |
| تعداد دریافت فایل اصل مقاله | 3,028,649 |
استفاده از یادگیری ماشین برای بهبود تخمین بارش توسط داده‌های ERA5 در ایستگاه‌های هواشناسی استان آذربایجان غربی | ||
| مجله پژوهش های خشکسالی و تغییراقلیم | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 07 مهر 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22077/jdcr.2025.9231.1137 | ||
| نویسنده | ||
| مسلم محمدی* | ||
| دانشگاه پیام نور،تهران، ایران. | ||
| چکیده | ||
| تخمین دقیق بارش نقشی اساسی در پیش‌بینی آب‌وهوا، مدیریت منابع آبی و کاهش اثرات بلایای طبیعی ایفا می‌کند. در سال‌های اخیر، روش‌های یادگیری ماشین به‌عنوان ابزاری توانمند برای بهبود تخمین بارش مطرح شده‌اند. در این مقاله، روش‌های رگرسیون شبکه‌های عصبی مصنوعی و رگرسیون ماشین بردار پشتیبان برای نگاشت میزان بارش تخمین زده شده توسط داده‌های ERA5به بارش‌های سنجش شده در ایستگاه‌های هواشناسی مورد ارزیابی قرار می‌گیرد. در این مطالعه، روش‌های مختلفی از جمله روش‌های آماری و یادگیری ماشین با استفاده از ترکیب ویژگی‌های مختلف برای بهبود دقت داده‌های ERA5 مورد بررسی قرار می‌گیرند. ناحیه مورد مطالعه شامل 16 ایستگاه هواشناسی می‌باشد. نتایج نشان می‌دهد که روش رگرسیون شبکه‌های عصبی مصنوعی دقت تخمین بارش را متناسب با تعداد ویژگی‌های ورودی افزایش داده و در بهترین حالت منجر به دستیابی به RMSE (mm73/2 برای روزانه)، CC ( 71/0 برای روزانه )، NSE (50/0 برای روزانه ) و NRMSE (05/0 برای روزانه) شد. | ||
| کلیدواژه‌ها | ||
| تخمین بارش؛ شبکه‌های عصبی؛ ماشین بردار پشتیبان؛ یادگیری ماشین؛ داده‌های ERA5 | ||
|
آمار تعداد مشاهده مقاله: 99 |
||
نماد الکترونیک
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب