ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > استخدام شبكة المدرك اعتمادا عل...>الوصف

استخدام شبكة المدرك اعتمادا على الانحدار الذاتي لتصنيف بيانات التبخر

العنوان بلغة أخرى: Using Perceptron Network Based on Autoregressive to Classify Evaporation Data
المصدر: المجلة العراقية للعلوم الإقتصادية
الناشر: الجامعة المستنصرية - كلية الإدارة والاقتصاد
المؤلف الرئيسي: فاضل، نعم سالم (مؤلف)
المؤلف الرئيسي (الإنجليزية): Fadhil, Naam Salem
المجلد/العدد: مج21, عدد خاص
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2024
الصفحات: 1204 - 1217
رقم MD: 1471018
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
التغيرات المناخية | الشبكات العصبية | الغلاف الجوي | الانحدار الذاتي
كلمات المؤلف المفتاحية:
التبخر | شبكة المدرك | الانحدار الذاتي | التصنيف
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: تعد دراسة الظروف المناخية وتقلبات الغلاف الجوي وتأثيراتها مهمة جدا لتشخيص السمات البيئية والمناخية وتأثيرها على مختلف المجالات المتعلقة بحياة الإنسان والكائنات الحية الأخرى. في هذه الدراسة، سيتم دراسة متغير سلسلة كميات التبخر Evaporation الزمنية وتصنيفه باستخدام العديد من المؤثرات الجوية كالسلسلة الزمنية لدرجات حرارة الهواء Air Temperature في الحالتين العظمى والصغرى وكذلك السلاسل الزمنية للرطوبة النسبية Related Humidity في الحالتين العظمى والصغرى وتعد تأثيرات مباشرة مستعرضة على السلسلة الزمنية للتبخر اعتمادا على مبدأ الانحدار بين متغيرات الإدخال والمتغير المعتمد إن السلاسل الزمنية تتميز باعتمادها على مبدأ الانحدار الذاتي (Autoregressive (AR والذي يولد قوة دافعة كتأثيرات طولية زمنية تساعد على إجراء تصنيفات لفترات زمنية مستقبلية خارج عينات الدراسة ولكنها تتعارض مع طبيعة البيانات المناخية غير الخطية مما قد يتسبب في حالة اللايقين Uncertainty. تعد الشبكات العصبية من الأساليب التي تتعامل جيدا مع حالة عدم خطية البيانات وتعد شبكة المدرك العصبية (Perceptron Neural Network (PNN إحدى أقدم الشبكات العصبية التي تعتمد أساسا في تصنيف البيانات عموما والسلاسل الزمنية خصوصا بهيكلية بعيدة عن التعقيد واختصارا للجهد والوقت. تم استخدام أكثر من نوع من دوال التعلم Learning Function بعد اختيار دالة التحويل المناسبة لطبيعة بيانات الدراسة إن أنواع الدوال المستخدمة في شبكة المدرك بالإضافة إلى هيكليتها تعتمد أساسا على مبدأ الانحدار واستخدامه في التنبؤ والتصنيف Forecasting and Classification. إن استخدام بيانات السلاسل الزمنية المناخية تتطلب تحقيق التجانس في البيانات للحصول على أفضل النتائج التصنيفية ولذلك تمت مراصفة البيانات زمنيا اعتمادا على طبيعة الغلاف الجوي ودرجات الحرارة خلال سنوات الدراسة لضمان تجانس أكبر في البيانات وبالتالي دقة أكبر في النتائج. أخذت بيانات الدراسة من محطة الأرصاد الجوية الزراعية العراقية في محطة الموصل واستخدمت كحالة حقيقية في هذه الدراسة. أظهرت نتائج المقارنات بين مواسم البيانات وكذلك دوال التعلم المختلفة دقة عالي في أحيان ومقبولة في أحيان أخرى مما يجعل من الممكن استخدام شبكة المدرك امرأ موصى به للحصول على نتائج تصنيفية دقيقة توصل إلى الغاية المتوخاة من استخدامها.

The study of climatic conditions, atmospheric fluctuations and their effects is very important for diagnosing environmental and climatic features and their impact on various areas related to human life and other living organisms. In this study, the variable of the time series of evaporation quantities will be studied and classified using several atmospheric influences, such as the time series of air temperatures in the maximum and minimum cases, as well as the time series of relative humidity in the maximum and minimum cases, which are considered direct, cross-sectional influences on the time series of evaporation depending on The principle of regression between the input variables and the dependent variable. The time series is characterized by its reliance on the principle of autoregressive (AR), which generates a driving force in the form of longitudinal effects that help in making classifications for future time periods outside the study samples, but it conflicts with the nature of non-linear climate data, which may cause a state of uncertainty. Neural networks are one of the methods that deal well with non-linearity in data, and the Perceptron Neural Network (PNN) is one of the oldest neural networks that is mainly used to classify data in general and time series in particular, with a structure that is far from complexity and reduces effort and time. More than one type of learning function was used after choosing the appropriate transformation function for the nature of the study data. The types of functions used in the perceptron network, in addition to its structure, depend mainly on the principle of regression and its use in forecasting and classification. The use of climate time series data requires achieving homogeneity in the data to obtain the best classification results. Therefore, the data were aligned in time depending on the nature of the atmosphere and temperatures during the years of study to ensure greater homogeneity in the data and thus greater accuracy in the results. The study data were taken from the Iraqi agricultural meteorological station in Mosul station and were used as a real case in this study. The results of comparisons between seasons of data as well as different learning functions showed high accuracy at times and acceptable at other times, which makes it possible to use the perceptron network as a recommended matter to obtain accurate classification results that achieve the intended purpose of its use.

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.