ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > التنبؤ بمعدلات درجات الحرارة ا...>الوصف

التنبؤ بمعدلات درجات الحرارة الشهرية العظمى في مدينة الموصل باستخدام الشبكة العصبية متعددة الطبقات

العنوان بلغة أخرى: Prediction of Maximum Monthly Averages of Temperature in Mosel City Using Multi-Layer Neural Network
المصدر: مجلة كلية التربية
الناشر: الجامعة المستنصرية - كلية التربية
المؤلف الرئيسي: كاظم، أحلام عبدالجبار (مؤلف)
المجلد/العدد: ع2
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2015
الصفحات: 375 - 406
ISSN: 1812-0380
رقم MD: 826140
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EduSearch
مواضيع:
الموصل (العراق) | درجات الحرارة | الذكاء الصناعي
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: أن التنبؤات بدرجات الحرارة تمثل انذارات مهمة لحماية حياة الإنسان وممتلكاته، لذا يتناول البحث استخدام الشبكة العصبية المتعددة الطبقات للتنبؤ بالمعدلات الشهرية لدرجات الحرارة العظمى لمحطة الموصل الانوائية. وقد أثبتت هذه الشبكة قدرتها وكفاءتها على التنبؤ مقارنة مع الأساليب الإحصائية الأخرى كنموذج بوكس-جنكنز الموسمي. وقد تعامل البحث مع مشكلتين رئيسيتين في تحديد هيكلية الشبكة وهما تحديد عدد عقد الإدخال، وتحديد العقد المخفية في الطبقة، ولقد أوضحت النتائج المستخرجة أهمية وكفاءة الشبكة من خلال الاختيار المناسب لعدد عقد الإدخال وعدد العقد المخفية في الطبقة باستخدام المقاييس الإحصائية AICc ,BIC ,AIC. وقد تم التنبؤ بالمعدلات الشهرية لدرجات الحرارة العظمى لسنة 2013 باستخدام النماذج المختارة ومقارنتها بالقيم الحقيقية المقاسة في محطة الموصل وبالاعتماد على المقاييس PMC, MDE ,MSE ومن ثم تم اختيار النموذج الأفضل لحساب التنبؤات المستقبلية لهذه الدرجات لسنة 2014.

Temperatures forecasting are very important warnings to protect life and property ,the research deals with the multi-layered neural network to predict the averages of maximum temperatures for Mosel synoptic station . This network proved its capability and qualification in prediction by comparison with other statistical procedures like Box-Jenkines model (SARIMA) . The research deals with two major problems , First , determining the number of input nodes . second , determining the hidden nodes in the layer . The results show the importance and qualification of the network through the proper choosing for number of input nodes and number of hidden nodes in the layer, by using the statistical techniques AIC , BIC , and ALCc . The maximum temperature averages for Mosel station has predicted for 2013 by using the previous statistical procedures and compared its results with the real measured data for the station , by using the MSE , MDE , and PMC statistical techniques . then we choose the best model to calculate the future predictions of temperatures averages for 2014 .
ISSN: 1812-0380

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.