Previsión de precipitaciones a corto plazo mediante RNA y modelos ANFIS
Redes Neuronales Artificiales y Sistema de Inferencia Neuro-Fuzzy Adaptativo
Versandkostenfrei!
Versandfertig in 1-2 Wochen
33,99 €
inkl. MwSt.
PAYBACK Punkte
17 °P sammeln!
La previsión de las precipitaciones sigue siendo un tema de gran importancia en hidrología. Por otra parte, la precipitación es uno de los procesos hidrológicos efectivos más complicados en la predicción de la escorrentía. En el presente estudio se ha intentado desarrollar modelos de redes neuronales artificiales (RNA) y de sistemas de inferencia neuro-fuzzy adaptativos (ANFIS) para la predicción de la precipitación diaria en el periodo monzónico de Junagadh, Gujarat, India. Los datos del período (1 de junio a 30 de octubre) de los años 1979-1981, 1984-1989 y 1991-2007 se utilizaro...
La previsión de las precipitaciones sigue siendo un tema de gran importancia en hidrología. Por otra parte, la precipitación es uno de los procesos hidrológicos efectivos más complicados en la predicción de la escorrentía. En el presente estudio se ha intentado desarrollar modelos de redes neuronales artificiales (RNA) y de sistemas de inferencia neuro-fuzzy adaptativos (ANFIS) para la predicción de la precipitación diaria en el periodo monzónico de Junagadh, Gujarat, India. Los datos del período (1 de junio a 30 de octubre) de los años 1979-1981, 1984-1989 y 1991-2007 se utilizaron para entrenar los modelos y los datos de los años 2008-2011 se utilizaron para probar los modelos. El análisis de sensibilidad se utilizó para identificar el parámetro más importante para la predicción de las precipitaciones. En el modelo RNA, se utilizó el algoritmo de retropropagación y la función de activación sigmoidea para entrenar y probar los modelos, mientras que en los modelos ANFIS se utilizaron las funciones de membresía gaussiana y de campana generalizada. Del estudio se desprende que el rendimiento del modelo ANN de doble capa oculta con cuatro parámetros de entrada es mejor que el modelo ANFIS. El análisis de sensibilidad indicó que el parámetro de entrada más importante, además de la precipitación en sí, es la presión de vapor en la previsión de precipitaciones.
Andere Kunden interessierten sich für
