Andere Kunden interessierten sich auch für
![Prévision des précipitations à court terme à l'aide de modèles ANN et ANFIS]( "Prévision des précipitations à court terme à l'aide de modèles ANN et ANFIS")
Prévision des précipitations à court terme à l'aide de modèles ANN et ANFIS32,99 €![Modelagem Matemática de MEMS Utilizando Modelos Polinomiais Contínuos]( "Modelagem Matemática de MEMS Utilizando Modelos Polinomiais Contínuos")
Modelagem Matemática de MEMS Utilizando Modelos Polinomiais Contínuos24,99 €![Kratkosrochnoe prognozirowanie osadkow s pomosch'ü ANN i ANFIS modelej]( "Kratkosrochnoe prognozirowanie osadkow s pomosch'ü ANN i ANFIS modelej")
Kratkosrochnoe prognozirowanie osadkow s pomosch'ü ANN i ANFIS modelej32,99 €![Solução de Sistema Singular Não-Linear Perturbado Usando ANN]( "Solução de Sistema Singular Não-Linear Perturbado Usando ANN")
Solução de Sistema Singular Não-Linear Perturbado Usando ANN23,99 €![Efeitos dos estrogénios no cancro da mama: Abordagem de modelos matemáticos]( "Efeitos dos estrogénios no cancro da mama: Abordagem de modelos matemáticos")
Efeitos dos estrogénios no cancro da mama: Abordagem de modelos matemáticos23,99 €![Modelos de sequenciação]( "Modelos de sequenciação")
Modelos de sequenciação29,99 €![Modelos de filas de espera com feedback]( "Modelos de filas de espera com feedback")
Modelos de filas de espera com feedback29,99 €
A previsão da precipitação continua a ser uma questão extremamente importante em hidrologia. Por outro lado, a precipitação é um dos processos hidrológicos mais complicados e eficazes na previsão do escoamento superficial. No presente estudo, procurou-se desenvolver modelos de redes neuronais artificiais (RNA) e de sistemas de inferência neuro-fuzzy adaptativos (ANFIS) para a previsão da precipitação diária durante o período de monção em Junagadh, Gujarat, Índia. Os dados do período (1 de junho a 30 de outubro) dos anos 1979-1981, 1984-1989 e 1991-2007 foram utilizados para treinar os modelos e os dados dos anos 2008-2011 foram utilizados para testar os modelos. A análise de sensibilidade foi utilizada para identificar o parâmetro mais importante para a previsão da precipitação. No modelo ANN, o algoritmo de retropropagação e a função de ativação sigmoide foram utilizados para treinar e testar os modelos, ao passo que nos modelos ANFIS, foram utilizadas as funções de afiliação gaussiana e de sino generalizada. O estudo revelou que o desempenho do modelo ANN de camada oculta dupla com quatro parâmetros de entrada é melhor do que o modelo ANFIS. A análise de sensibilidade indicou que o parâmetro de entrada mais importante, para além da própria precipitação, é a pressão de vapor na previsão da precipitação.