research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
MONTHLY RAINFALL QUANTITIES FORCASTING USING NARX NETWORK
تنبؤ كميات الامطار الهاطلة شهرياً بأستخدام شبكات التغذية العكسية الديناميكية العصبية

Authors: Mohammed Ali Tawfeeq --- Ghusoon Idan Arb
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2016 Volume: 20 Issue: 6 Pages: 103-114
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

An accurate precipitation forecast can reflect positive impact in several areas. It provides helpful data in hydrological projects designs, such as constructing dams, reservoirs, rainfall networks, as well as takes some precautionary measures that can overcome the flooding problems. This paper proposes a monthly quantitative precipitation forecasting model that covers the total land area of Iraq. The model is based on the use of Nonlinear AutoRegressive with eXogenous input neural network (NARX). This type of network is considered as one of the most important dynamic networks that can deal with time series data. It is a type of recurrent networks with feedback connections between its layers and a tapped delay lines. The data used to train and test the network are real data obtained by NASA GES DISC which represent monthly quantitative precipitation of more than 1350 site uniformly distributed to cover the land of Iraq for a historical period of ten years. The designed forecasting network model showed good performance, in which the total calculated MSE for the testing data set is about (2.8×10-3), and the its correlation coefficient R is about (0.95). The correlation of the predicted error with time has been checked also; it showed that almost all the autocorrelation function values are fall within the bound of the confidence interval.

ان التنبؤ الدقيق لكميات هطول الأمطار يمكن ان ينعكس إيجابا وبشكل مؤثر في العديد من المجالات. حيث أنه يوفر بيانات مساعدة عند اعداد تصاميم المشاريع الهيدرولوجية، مثل بناء السدود والخزانات وشبكات مياه الأمطار، وكذلك لاتخاذ بعض التدابير الاحترازية التي يمكن من خلالها التغلب على مشاكل الفيضانات. اقترح هذا البحث نموذج تنبؤ كمي شهري لهطول الامطار وبما يغطي اجمالي مساحة العراق. يستند هذا النموذج على استخدام شبكات عصبية ذات انحدار غير خطي مع مدخلات خارجية المنشأ (NARX). ان نوع هذه الشبكة يعتبر أحد الشبكات الديناميكية الأكثر أهمية التي يمكن أن تتعامل مع بيانات السلاسل الزمنية. ان هذا النوع يمثل الشبكات ذات النواتج المرتدة عكسياً والتي تحوي على وصلات تغذية عكسية بين طبقاتها مع خطوط تأخير توظيف نواتجها. البيانات المستخدمة لتدريب واختبار الشبكة هي بيانات حقيقية تم الحصول عليها من موقع وكالة ناسا غيس دسك (NASA GES DISC) والتي تمثل كميات الامطار الهاطلة شهرياً لأكثر من 1350 موقع موزعة بشكل متجانس لتغطية مساحة العراق لفترة تاريخية تمتد لعشر سنوات. أظهر نموذج الشبكة التنبؤي المصمم أداء الجيداً، وقد بلغت كمية معدل مربع الخطأ باستخدام بيانات الفحص حوالي (3-10*2.8)، واجمالي معامل الارتباط R هو حوالي (0.95). وقد تم التحقق ان كان هنالك ترابط ما بين الخطأ المتوقع والزمن: حيث أظهرت نتائج احتساب الارتباط الذاتي ان جميع القيم تقريبا تقع ضمن حدود فترة الثقة.


Article
Edge Detection Using Scaled Conjugate Gradient Algorithm in Back propagation Neural Network
اكتشاف حافات الصور باستخدام خوارزمية متقارنة التدرج المقيسة في شبكات الانتشار العكسية العصبية

Authors: Walaa M. Khalaf --- Mohammed Ali Tawfeeq --- Kadhum Al-Majdi
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 2 Part (A) Engineering Pages: 385-395
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper introduces a proposed method based on a backpropagation artificial neural network using Scaled Conjugate Gradient (SCG) training algorithm so as to gain the edges of any image. A new training image model is suggested to train this artificial neural network, then using this network to find the edges of any image. Computer experiments are carried out for extracting edge information from real images; the results presented are compared with those from classical edge detection methods like Canny. Using this new method does not need to tune any parameter to find the edge of any image, as well as using this method the false edges is reduced.

هذا البحث يقدم طريقة حديثة تعتمد على شبكات الانتشار العكسي العصبية التي تستخدم في تدريبها خوارزمية متقارنة التدرج المقيسة (SCG) للحصول على حافات أي صورة. تم اقتراح نموذج صورة جديد لتدريب الشبكة العصبية الصناعية لتمكين استخدام هذه الشبكة لاحقاً لأيجاد الحافات لأي صورة. التجارب نفذت لفصل معلومات الحافة من صور حقيقية، وهذه النتائج قورنت مع نتائج الطرق التقليدية مثل كاني. ان استخدام هذه الطريقة لا يحتاج لتنغيم اي معاملات لأيجاد حافات أي صورة، فضلاً عن انها تقلل عدد الحافات الكاذبة.

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

English (2)


Year
From To Submit

2016 (1)

2014 (1)