research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Spatial Prediction of Monthly Precipitation in Sulaimani Governorate using Artificial Neural Network Models

Authors: Rafa H. AL-Suhaili رافع هاشم السهيلي --- Rizgar A. Karim رزكار أحمد كريم
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2014 Volume: 20 Issue: 3 Pages: 15-27
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

ANN modeling is used here to predict missing monthly precipitation data in one station of the eight weather stations network in Sulaimani Governorate. Eight models were developed, one for each station as for prediction. The accuracy of prediction obtain is excellent with correlation coefficients between the predicted and the measured values of monthly precipitation ranged from (90% to 97.2%). The eight ANN models are found after many trials for each station and those with the highest correlation coefficient were selected. All the ANN models are found to have a hyperbolic tangent and identity activation functions for the hidden and output layers respectively, with learning rate of (0.4) and momentum term of (0.9), but with different data set sub-division into training, testing and holdout data sub-sets, and different number of hidden nodes in the hidden layer. It is found that it is not necessary that the nearest station to the station under prediction has the highest effect; this may be attributed to the high differences in elevation between the stations. It can also found that the variance is not necessary has effect on the correlation coefficient obtained.

تم استخدام تقنية نمذجة الشبكات العصبية الصناعية لتخمين بيانات الأمطار الشهرية في أحدى المحطات الهيدرولوجية المناخية من واقع ثمان محطات في شبكة المحطات المناخية في محافظة السليمانية. تم بناء ثمان نماذج من الشبكات العصبية لكل محطة نموذج. ثم للحصول على نماذج ذات دقة عالية لتخمين الأمطار الشهرية حيث تراوح معامل الارتباط بين الأمطار الشهرية المخمنة و تلك المقاسة من (90% - 97.2%). كل نموذج تم ايجاده بعد محاولات عديدة لكل محطة و تم اختيار النموذج الذي يعطي أعلى معامل ارتباط. جميع النماذج للشبكات العصبية الصناعية وجدت ذات دالة تفعيل نوع (hyperbolic tangent) و (identity) للطبقة المخفية و طبقة المخرجات على التوالي, و بمعدل تعلم للشبكة (0.4) و معامل زخم (0.9) و لكن بمختلف أنواع تقسيم البيانات الى بيانات التدريب , الاختبار و التخمين و مختلف الأعداد للعقد في الطبقة المخفية. كما وجد في تحليل التأثير القياسي بأنه ليس من الضروري أن تكون المحطة ذات المسافة الأقرب من المحطة تحت التخمين ذات أعلى تأثير على الأمطار الشهرية لتلك المحطة وذلك بسبب الفروقات العالية بين منسوب المحطات. كما وجد بأنه ليس من الضروري أن تكون المحطات ذات البيانات التي أعطت أعلى تباين أن تكون ذات أقل معامل الارتباط للقيم المخمنة مع تلك المقاسة.

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

English (1)


Year
From To Submit

2014 (1)