دانلود رایگان مقاله انگلیسی پیش بینی بارش در ایالت کرالا در هند با استفاده از روش های هوش مصنوعی - الزویر 2018

قیمت خرید این محصول

رایگان

دانلود مقاله انگلیسی سفارش ترجمه این مقاله

عنوان فارسی

پیش بینی بارش در ایالت کرالا در هند با استفاده از روش های هوش مصنوعی

عنوان انگلیسی

Rainfall prediction for the Kerala state of India using artificial intelligence approaches

صفحات مقاله فارسی

0

صفحات مقاله انگلیسی

8

سال انتشار

2018

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

نوع مقاله

ISI

نوع نگارش

مقالات پژوهشی (تحقیقاتی)

رفرنس

دارد

پایگاه

اسکوپوس

کد محصول

E10205

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

هوش مصنوعی

مجله

کامپیوترها و مهندسی برق - Computers and Electrical Engineering

دانشگاه

Centre for Atmospheric Sciences - IIT Delhi - New Delhi - India

کلمات کلیدی

نزدیک ترین K همسایه (KNN)، شبکه عصبی مصنوعی (ANN)، ماشین یادگیری اکسترم (ELM)، مدل سازی پیش بینی شده، هوش مصنوعی

doi یا شناسه دیجیتال

https://doi.org/10.1016/j.compeleceng.2018.06.004

برای سفارش ترجمه این مقاله با کیفیت عالی و در کوتاه ترین زمان ممکن توسط مترجمین مجرب سایت ایران عرضه؛ روی دکمه سبز رنگ کلیک نمایید.

چکیده

ABSTRACT

Three artificial intelligence approaches - K-nearest neighbor (KNN), artificial neural network (ANN), and extreme learning machine (ELM) - are used for the seasonal forecasting of summer monsoon (June-September) and post-monsoon (October-December) rainfall from 2011 to 2016 for the Kerala state of India and performance of these techniques are evaluated against observations. All the aforesaid techniques have performed reasonably well and in comparison, ELM technique has shown better performance with minimal mean absolute percentage error scores for summer monsoon (3.075) and post-monsoon (3.149) respectively than KNN and ANN techniques. The prediction accuracy is highly influenced by the number of hidden nodes in the hidden layer and more accurate results are provided by the ELM architecture (8-15-1). This study reveals that the proposed artificial intelligence approaches have the potential of predicting both summer monsoon and post-monsoon of the Kerala state of India with minimal prediction error scores.

نتیجه گیری

Conclusion

Performances of three artificial intelligence techniques such as K-nearest neighbor (KNN), artificial neural network (ANN), and extreme learning machine (ELM) were evaluated for the prediction of summer monsoon (JJAS) and post-monsoon (OND) rainfall for the Kerala state of India. The performance of the aforementioned approaches has been gauzed by different statistical tests. ELM approach is found to be more accurate than KNN and ANN approaches for the prediction task. There is substantial impact of hidden nodes on the prediction accuracy. ELM structure (8-15-1) provides more accurate results for both JJAS and OND seasons than KNN and ANN techniques in the currently used rainfall dataset. In future, we will further apply different machine learning algorithms for prediction of the chaotic monsoon of southern India. The impacts of climate variability and extreme weather events will also be studied by taking different environmental parameters into consideration.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات isi