Anwendung Der Technik Des Künstlichen Neuronalen Netzes [German]

By J J Makwana, J M Chavda, S K Chavda

Niederschlag ist ein sehr wichtiger Parameter in hydrologischen Modellen. Viele Techniken und Modelle wurden f r die Niederschlagsvorhersage entwickelt. In dieser Studie wird eine Methode zur Niederschlagsvorhersage durch die Entwicklung eines ANN-basierten Modells vorgestellt, das die wichtigsten Wettervariablen wie Trockenkugeltemperatur, Feuchtkugeltemperatur, relative Luftfeuchtigkeit, Pfannenverdunstung und Dampfdruck als Eingaben und die Niederschlagsmenge als Zielausgabe verwendet. Im Rahmen der Entwicklung des ANN-Modells wurde der Datensatz von 11956 Daten im Untersuchungsgebiet in zwei Teile aufgeteilt, wobei 70 % des gesamten Datensatzes als Trainingsdaten und die restlichen 30 % als Test- und Validierungsdaten verwendet wurden. Das vorgeschlagene Modell war in der Lage, Werte mit geeigneten Ergebnissen vorherzusagen. Zur Bewertung der Ergebnisse und der F higkeit der entwickelten Prognosemodelle wurden geeignete statistische Indizes wie das Bestimmtheitsma (R2), der mittlere quadratische Fehler (RMSE), der mittlere quadratische Fehler (MSE), die Nash-Sutcliffe-Effizienz (EF), die Akaike-Informationskriterien (AIC) und die Bayes'schen Informationskriterien (BIC) verwendet. Die Ergebnisse dieser Analyse zeigten, dass das ANN-Modell 5-5-3-1 auf der Grundlage der statistischen Indizes zufriedenstellende Ergebnisse liefert.

• Format: Paperback
• Language: German
• ISBN: 6206369412
• ISBN13: 9786206369417
• Release Date: August 2023
• Publisher: Verlag Unser Wissen
• Length: 84 Pages
• Weight: 0.30 lbs.
• Dimensions: 0.2" x 6.0" x 9.0"