استفاده از آنتروپی شانون در پیش‌پردازش ورودی شبکه بیزین جهت مدل‌سازی سری‌های زمانی

نویسندگان

چکیده مقاله:

Selecting appropriate inputs for intelligent models is important due to reduce costs and save time and increase accuracy and efficiency of models. The purpose of this study is using Shannon entropy to select the optimum combination of input variables in time series modeling. Monthly time series of precipitation, temperature and radiation in the period of 1982-2010 was used from Tabriz synoptic station. Precipitation, temperature and radiation parameters with different delays are considered as input to the Shannon entropy. The results showed that time series with three delays provide the better results for the modeling. Applying Bayesian network and multivariate linear regression analysis were performed. Models performance was evaluated using three criteria: coefficient of determination (R2), root mean square error (RMSE), and the dispersion. Index (SI). The results indicated that Bayesian neural network model shows the best performance to simulate time series of precipitation, temperature and radiation in compare to multivariate linear regression analysis. The results showed that Shannon entropy has better performance in selection of the appropriate entry into intelligent models.  

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

کاربرد آنتروپی شانون برای انتخاب ورودی‌های بهینه درپیش‌بینی جریان رودخانه بااستفاده از مدل-های هوشمند(مطالعه موردی: صوفی چای)

       پیش‌بینی جریان رودخانه‌ یکی از موارد مهم در مدیریت منابع آب‌های سطحی، بهره برداری از مخازن سدها، کنترل سیلاب و خشکسالی می­باشد. انتخاب ورودی‌های مناسب برای افزایش دقت وکارایی مدل‌های هوشمند از اهمیت به­سزایی برخوردار است. در این تحقیق به ارزیابی عملکرد آنتروپی شانون درتعیین ورودی‌های مناسب و کارایی مدل‌های، شبکه عصبی مصنوعی و شبکه بیزین، در پیش‌بینی جریان ماهانه­ی رودخانه­ی صوفی چای در ا...

متن کامل

استفاده از مدل های سری زمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی دبی ورودی به سد گرگان

پیش­بینی مقادیر جریان ورودی به سیستم منابع آب به­منظور آگاهی از شرایط آینده و برنامه­ریزی برای تخصیص بهینه منابع آب به بخش­های مختلف از قبیل شرب، کشاورزی و صنعتی امری ضروری در مدیریت منابع آب می­باشد. هدف از پژوهش حاضر پیش­بینی مقادیر دبی ماهانه ورودی به سد گرگان برای آینده بود. بدین منظور از داده­های هیدرومتری ایستگاه قزاقلی با دوره­ آماری 47 سال و سه مدل سری­زمانی، شبکه عصبی و ماشین بردار پشت...

متن کامل

ارزیابی سطح امنیت در تجارت الکترونیک با استفاده از آنتروپی شانون و تئوری دمپستر.شافر

هدف پژوهش حاضر، توسعۀ روش و ساختاری است که بتوان از طریق آن به ارزیابی امنیت در تجارت الکترونیک شرکت‏های مختلف با بهره‎مندی از نظر کارشناسان مختلف پرداخت. در این پژوهش، روش آنتروپی شانون در کنار تئوری دمپستر‌ـ شافر قرار گرفته است تا از این طریق بتوان سطح نهایی امنیت را اندازه‏گیری کرد. با توجه به اینکه پژوهش حاضر مبتنی بر تیم تصمیم برای جمع‏آوری داده است، جمع‏آوری داده‏ها در دو مرحله به اجرا در...

متن کامل

تحلیل روند و ایستایی جریان رودخانه به منظور مدلسازی سریهای زمانی هیدرولوژیکی

بسیاری از سریهای زمانی هیدرولوژیکی دارای روند بوده و ناایستا هستند. از طرفی یکی از مسائل مهم در مدلسازیسریهای زمانی هیدرولوژیکی بررسی وجود روند و رسیدن به یک سری زمانی ایستاست. بنابراین ارائه روشهایی کهبتواند روند و ایستایی را بررسی کرده و قبل از مدلسازی در تشخیصوجود یا عدم وجود ایستایی به ما کمک کند،بسیار مفید خواهد بود. از طرف دیگر بررسی روند میتواند در تفسیر رابطه بین فرآیندهای هیدرولوژیکی و...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 9  شماره 18

صفحات  178- 189

تاریخ انتشار 2019-01

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023