هدف ما  پیش بینی دما با استفاده از شبکه عصبی پرسپترون چند لایه MLP با داده های هواشناسی

در این مقاله کاربردی از شبکه های عصبی در پیش بینی دما در شهر کرمانشاه ایران بکار رفته است.

یکی از مهمترین معماری های شبکه عصبی پرسپترون چند لایه نام دارد.مطالعه و شبیه سازی مبتنی بر شبکه MLP بر روی دیتای آموزش و تست شبکه برای ده سال میباشد. نتایج بدست آمده نشان از برتری این روش در تخمین می باشد.

شبکه پرسپترون چند لایه

این شبکه شامل یک لایه ورودی، یک یا چند لایه پنهان و یک لایه خروجی است. برای اموزش این شبکه، معمولا از الگوریتم پس انتشار [۱] (BP) استفاده می شود. در طی آموزش شبکه MLP به کمک الگوریتم یادگیری BP،ابتدا محاسبات از ورودی شبکه به سوی خروجی شبکه انجام می شود و سپس مقادیر خطای محاسبه شده به لایه­های قبل انتشار می یابد.

در ابتدا، محاسبه خروجی به صورت لایه به لایه انجام می شود و خروجی هر لایه، ورودی لایه بعدی خواهد بود. در حالت پس انتشار، ابتدا لایه های خروجی تعدیل می شود، زیرا برای هر یک از نرون های لایه خروجی، مقدار مطلوبی وجود دارد و می­توان به کمک آنها و قاعده­های بهنگام سازی، وزن­ها را تعدیل نمود. با وجود اینکه الگوریتم پس انتشار خطا نتایج بسیار خوبی در حل مسائل ارائه داده است، در حل برخی از مسائل ضعیف عمل می­کند که می­تواند به دلیل طولانی بودن یا مشخص نبودن زمان یادگیری، انتخاب نامناسب ضریب یادگیری و یا توزیع تصادفی وزنهای اولیه باشد.

Back propagation[1]

پیش بینی دما با استفاده از شبکه عصبی پرسپترون چند لایه MLP با داده های هواشناسی

Application of Artificial Neural Networks for Temperature Forecasting

Published in: Proceedings Of World Academy Of Science

Date of Publication: Engineering And Technology Volume 22 July 2007 Issn 1307-6884

                            برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناس ارشد الکترونیک

دانشگاه شاهد تهران

محتویات :

– الگوریتم مقاله بهمراه گزارش فارسی در قالب word

–پیاده سازی شده در متلب (M-File)

– دیتابیس لازم

– اصل مقاله

دانلود فایل