فهرست نشریات علمی دسترسی آزاد ایران

در جهان امروز، توسعه سریع و پایدار، هدف اصلی تمامی کشورها می‌باشد. اصلیترین محدودیت پیش روی توسعه پایدار، محدودیتهای اقلیمی، از جمله بارش ناکافی همراه با پراکندگی نامناسب مکانی- زمانی است و بیشترین همبستگی را با حوادث ناگوار طبیعی دارد. یکی از روشهای مورد استفاده برای پیش‌بینی در حوزه‌های مختلف شبکه‌های عصبی مصنوعی می‌باشد که این شبکه‌ها به خاطر استفاده از معماری سطحی و کم‌عمق با ویژگیهای دستکاری شده ممکن است نتوانند دقت لازم را ارائه دهند. شبکه عصبی عمیق مشکلاتی مثل بیش‌برازش را برطرف می‌‌کند و همچنین هرچقدر عمق شبکه‌ها بیشتر باشند سطوح انتزاع بیشتری را یاد می‌گیرند. هدف اصلی این تحقیق، بالا بردن دقت پیش‌بینی بارش ساعتی منطقه خراسانرضوی با استفاده از یکی از روشهای شبکه عصبی‌عمیق است. در این تحقیق ما یک معماری شبکه عصبی عمیق با روش خودرمزگذار پشتهای نویززدا مبتنی بر نرون سخت بصورت تنک (RSDSAE) را برای پیشبینی بارش کوتاه مدت ارائه میدهیم. به منظور بهبود دقت، شبکههای عصبی سخت (RNNs) به عدم قطعیت بارش کمک میکنند و برای بهبود سرعت و صحت از ترکیب الگوریتم تنک (Spars) با مدل فوق مورد استفاده قرار گرفته است و همچنین از دادههای بارش پیشبینی شده خروجی مدل WRF استفاده کردیم و آزمایش‌ها بر روی دادههای باران و توسط دو معیار RMSE، MAE و با پنج خودرمزگذار به ترتیب 0.7912 و 0.7662 محاسبه گردیده است که توانسته عملکرد بهتری نسبت به مدل (RSDAE) از خود نشان دهد. کلمات کلیدی: شبکه عصبی‌عمیق، پیشبینی بارش، خودرمزگذار تنک پشتهای نویززدا