مقاله پیش پردازش داده های ورودی به شبکه عصبی مصنوعی برای برآورد تبخیر روزانه با تبدیل موجکی

word قابل ویرایش
11 صفحه
دسته : اطلاعیه ها
12700 تومان
127,000 ریال – خرید و دانلود

*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***

پیش پردازش داده های ورودی به شبکه عصبی مصنوعی برای برآورد تبخیر روزانه با تبدیل موجکی
چکیده
برآورد تبخیر با توجه به کاربرد گسترده آن در آبیاری و مدیریت آب در مزرعه، همواره مورد توجه محققان بوده است لذا ارائه روش های پیشرفته و بکارگیری تکنیک های جدید می تواند منجر به تخمین بهتر این پدیده دینامیک غیر خطی شود. در این تحقیق برای پیش بینی مقادیر تبخیر روزانه، از شبکه عصبی مصنوعی (ANN) استفاده شده است . بدین منظور، آمار ایستگاه هواشناسی کرمان برای مدت ۱۵ سال بکار برده شد. مقادیر روزانه ی سرعت باد، رطوبت نسبی، دمای متوسط و تابش به عنوان پارامترهای ورودی و مقادیر روزانه تبخیر از تشت تبخیر به عنوان پارامتر خروجی از مدل در نظر گرفته شدند. با استفاده از تبدیل موجک، پیش پردازش روی متغیرهای اصلی صورت گرفت و مدل WNN برای پیش بینی تبخیر ارائه شد. نتایج حاکی از نقش مؤثر پیش پردازش توسط موجک بود.

واژههای کلیدی: پیش پردازش، تبخیر، تبدیل موجک، شبکه عصبی مصنوعی

مقدمه
محاسبه و برآورد تبخیر یکی از مواردی است که می تواند بر مدیریت منابع آب به طور مستقیم تأثیر گذار باشد چراکه تبخیر بر میزان ذخیره آب در خاک مؤثر است. فرآیند تبخیر در دوشکل تبخیر از سطوح آزاد آب و تبخیر از سطح خاک اتفاق می افتد. تبخیر فرآیند فیزیکی بوده و رابطه مستقیمی با عوامل جوی دارد. ارتباط بین تبخیر و پارامترهای هواشناسی توسط محققین زیادی مورد بررسی قرار گرفته است (کهن و همکاران((۲۰۰۲، برانسرت و پارلانژ ( ۱۹۹۸) و خلیلی(.((۱۳۷۲ نتایج محقیق بیانگر وجود ارتباط بین تبخیر و پارامترهای هواشناسی در هر منطقه با اقلیمی خاص می باشد. روابط ارائه شده جهت تخمین تبخیر از سطح آزاد با در نظر گرفتن پارامترهای هواشناسی به عنوان ورودی، دارای تنوع زیادی می باشد و دقت این روابط در مناطق مختلف متفاوت بوده و نیاز است تا در هر منطقه واسنجی شوند(وان زیل و همکاران،.(۱۹۸۹ امروزه به کار گیری روابط ریاضی و تجربی در علوم مهندسی رواج گسترده ای یافته لذا محقیق با اصلاح روابط تجربی موجود و نیز کشف روابط جدید سعی در یافتن رابطه ای ساده و البته دقیق دارند تا بتوان از میزان وقت گیر بودن محاسبات کاست و به دقت نتایج افزود. روابط موجود جهت محاسبه و برآورد تبخیر پیچیده بوده لذا تحقیق در این زمینه ضروری می باشد. پارامترهای زیادی بر پدیده تبخیر اثر گذار می باشد که از جمله موثرترین این پارامترها را می توان سرعت باد، درجه حرارت، رطوبت نسبی و تابش نام برد. جهانبخش اصل و همکاران((۱۳۸۰ روش های ترکیبی، دمایی، تابشی و همبستگی چندگانه و رطوبتی برای ایستگاه تبریز را محاسبه کردند و در مقایسه با سایر روش ها نتایج حاکی از تطابق بالای روش کریستینسن- هارگریوز نسبت به سایر روش ها با روش تشت تبخیر بود . روش های آماری رایج همچون رگرسیون ساده و چند متغیره برای پیش بینی سری های زمانی هستند که جز مدل های خطی بوده و در آنها فرض بر بی تغییر بودن داده هاست لذا اگر داده ها متغیر باشند این مدل ها توانایی کمی از خود نشان می دهند. از اینرو ضرورت دارد که مدل هایی با کارایی بیشتر برای پیش بینی پدیده های غیر خطی و پیچیده ای چون تبخیر ارائه گردند. شبکه های عصبی مصنوعی طی دهه اخیر کاربرد گسترده ای در علوم مختلف از جمله کشاورزی داشته است(لک و همکاران، (۱۹۹۹ که به عنوان ابزاری کارآمد برای پیش بینی و برآورد محسوب می شود. در طراحی شبکه های عصبی همواره مشکل مواجه شدن با ساختارهای پیچیده وجود دارد که سبب پدید آمدن شبکه ای با معماری سنگین می شود. در این ارتباط کولیبالی و همکاران (۲۰۰۰) روش الگوریتم توقف آموزش را ارائه دادند. در این روش داده ها بایستی به سه دسته آموزش، صحت یابی و تست تقسیم می شوند که داده های بخش صحت یابی برای جلوگیری از مشکل فوق برازشی شبکه کاربرد دارند.

از جمله پیش پردازش هایی که در سری های زمانی مورد استفاده قرار می گیرد می توان به تبدیل موجک۱ اشاره کرد. تبدیل موجک به طور گسترده ای برای تحلیل و پیش بینی سری های زمانی با استفاده از شبکه های عصبی مصنوعی مورد استفاده قرار می گیرند. لذا در این مقاله سعی بر این بود که نقش پیش پردازش داده های ورودی مدل شبکه عصبی با تبدیل موجک برای مدلسازی تبخیر مورد بررسی قرار گیرد.
مواد و روش ها
-۱ منطقه مطالعاتی
این تحقیق با بهره گیری ازآمار مربوط به ایستگاه هواشناسی شهر کرمان با طول و عرض جغرافیایی به ترتیب ۳۰٫۲۹ درجه شمالی و ۵۷٫۰۶ درجه شرقی و ارتفاع از سطح دریا ۱۷۵۵ متر انجام شده است. طبق آمار هواشناسی موجود این منطقه دارای میانگین دمای سالانه ۱۵٫۸ درجه سانتیگراد و میانگین بارش سالانه ۱۵۵ میلیمتر می باشد. آمار هواشناسی روزانه مربوط به ۱۵ سال شامل سالهای ۱۹۹۲ تا ۲۰۰۷ میلادی مورد استفاده قرار گرفت. از آمار هواشناسی ایستگاه مذکور آمار مربوط به پارامترهای باد، درجه حرارت، رطوبت نسبی و تابش مورد استفاده قرار گرفتند و آمار مربوط به تبخیر از تشتک تبخیر به طور روزانه قرائت شده و در مدل استفاده شدند.

-۲ شبکه های عصبی مصنوعی
در سالیان اخیر شاهد حرکتی مستمر، از تحقیقات صرفا تئوری به تحقیقات کاربردی بخصوص در زمینه پردازش اطلاعات برای مسائلی که برای آنها راه حلی موجود نیست و یا به راحتی قابل حل نیستند، بوده ایم. با عنایت به این امر، علاقه فزاینده ای در توسعه تئوریک سیستم های دینامیکی هوشمند که مبنی بر داده های تجربی هستند ایجاد شده است.
۲ANNs از انواع مدل های محاسباتی هستند که قادرند رابطه میان ورودی ها و خروجی های یک سیستم فیزیکی ( هرچند پیچیده و غیر خطی) را توسط شبکه ای از گره ها که همگی به هم متصل هستند، تعیین نمایند. از مهمترین عوامل تعریف ANNs به نحوه معماری آن می توان اشاره کرد. ساختار شبکه که به آن، معماری اطلاق می شود، به شکلی است که نرون ها در دسته هایی که لایه نام دارند مرتب می شوند. معماری معمول برای ANNs متشکل از سه لایه می باشد که به ترتیب، لایه ورودی، لایه پنهان و لایه خروجی می باشند که لایه ورودی داده ها را در شبکه توزیع می کند، لایه پنهان داده ها را پردازش می کند و لایه خروجی نتایج را به ازای ورودی های مشخص، استخراج می کند. یک شبکه می تواند چندین لایه پنهان داشته باشد که تحقیقات بیانگر این است که یک لایه پنهان می تواند هر تابع پیچیده و غیر خطی را تقریب بزند لذا در این تحقیق از شبکه عصبی پرسپترون چند لایه با یک لایه پنهان برای برآورد تبخیر روزانه استفاده شده است و توابع انتقال در لایه پنهان و خروجی به ترتیب تابع سیگموئیدی و خطی انتخاب شدند.
-۳ تبدیل موجک
تئوری موجکی یکی از روش های علم ریاضی است که ایده اصلی آن برگرفته از تبدیل فوریه است که در قرن نوزدهم مطرح شده است ولی استفاده از آن قدمتی ۱۰ ساله دارد. فوریه اساس کار را با آنالیز فرکانس ادامه داد، ولی به مرور زمان توجه محققان از آنالیز براساس فرکانس به آنالیز براساس مقیاس جلب شده است. اخیرا آنالیز موجک توجه زیادی را در پردازش سیگنال ها به خود جلب کرده است. این تئوری در زمینه های بسیاری از جمله آنالیز سیگنال گذرا، آنالیز تصویر، سیستمهای ارتباطی و دیگر موارد پردازش سیگنال با موفقیت به کار برده شده است.
یک موج به صورت یک تابع نوسان کننده تعریف می شود، یک تابع سینوسی مثالی از یک موج می باشد. برای تحلیل آن گونه توابع، آنالیز فوریه۱ به کار گرفته می شود که می توان گفت آنالیز فوریه یک آنالیز موجی است که در آن توابع یا سیگنال ها بر حسب توابع سینوسی یا کسینوسی بسط داده می شوند. به همین ترتیب یک موجک یک موج کوچک است که انرژی آن در ناحیه کوچکی متمرکز شده و ابزاری مناسب برای بررسی پدیده های ایستا وگذرا می باشد.

موجک نوسان حداقلی دارد که به سمت صفر نزول می کند و این نزول باید در جهات مثبت و منفی واقع در دامنه اش محدود شود که این خصوصیت موجب می شود که موجک انعطاف پذیر بوده و مانند یک تابع رفتار کند. تبدیل موجک به دو صورت گسسته و پیوسته کاربرد دارد که در اینجا از تبدیل گسسته استفاده شد. از جمله مزایای تبدیل گسسته موجکی می توان به سرعت و دقت آن اشاره کرد در حالیکه تیدیل پیوسته موجکی، زمانبر بوده و چون در این نوع تبدیل ضرایب موجکی در هر مقیاس ممکن محاسبه می گردند،
مقادیر زیاد اطلاعات را تولید می کند. لذا برای رفع این مشکل تبدیل موجک فقط برای زیر مجموعه ای از مقیاس ها و موقعیت ها انجام می شود. با اعمال تبدیل مذکور داده های اولیه موجکی شده و به دو دسته تقریب و جزئیات تقسیم می شوند. تقریب دارای فرکانس و نشان دهنده روند کلی داده های موجود می باشد که در محاسبات هم نقش مهمی دارند . جزئیات دارای فرکانس بالا و پریود کم بوده و نشان دهنده تغییرات محدود در داده ها هستند. در شکل (۲) تجزیه داده ها به دسته های مذکور نشان داده شده است.

متغیر های ورودی برای لایه ورودی شامل باد، درجه حرارت، رطوبت نسبی، تابش و متغیرهای خروجی لایه خروجی تبخیر می باشد. که در مورد مدل تلفیقی عصبی- موجکی هم این روند یکسان است. داده ها قبل از ورود به شبکه با استفاده از فرمول زیر استاندارد می شوند:

که در آن:
Xiمتغیر یا مؤلفه iام، Minxi حداقل مقدار متغیر یا مؤلفه، Maxxi حداکثر مقدار متغیر یا مؤلفه مورد نظر و N نیز مقادیر استاندار شده است. با استفاده از این رابطه محدوده هر متغیر بین ۰٫۱ تا ۰٫۹ قرار می گیرد.

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید
word قابل ویرایش - قیمت 12700 تومان در 11 صفحه
127,000 ریال – خرید و دانلود
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد