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
BRAIN MACHINE INTERFACE: ANALYSIS OF SEGMENTED EEG SIGNAL CLASSIFICATION USING SHORT-TIME PCA AND RECURRENT NEURAL NETWORKS

Authors: Hema C.R. --- Paulraj M.P --- Nagarajan R --- Sazali Yaacob --- et al.
Journal: Iraqi Journal for Electrical And Electronic Engineering المجلة العراقية للهندسة الكهربائية والالكترونية ISSN: 18145892 Year: 2008 Volume: 4 Issue: 1 Pages: 77-85
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

Brain machine interface provides a communication channel between the human brain and anexternal device. Brain interfaces are studied to provide rehabilitation to patients withneurodegenerative diseases; such patients loose all communication pathways except for theirsensory and cognitive functions. One of the possible rehabilitation methods for these patients isto provide a brain machine interface (BMI) for communication; the BMI uses the electricalactivity of the brain detected by scalp EEG electrodes. Classification of EEG signals extractedduring mental tasks is a technique for designing a BMI. In this paper a BMI design using fivemental tasks from two subjects were studied, a combination of two tasks is studied per subject.An Elman recurrent neural network is proposed for classification of EEG signals. Two featureextraction algorithms using overlapped and non overlapped signal segments are analyzed.Principal component analysis is used for extracting features from the EEG signal segments.Classification performance of overlapping EEG signal segments is observed to be better interms of average classification with a range of 78.5% to 100%, while the non overlapping EEGsignal segments show better classification in terms of maximum classifications

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

English (2)


Year
From To Submit

2016 (1)

2008 (1)