عنوان مقاله:

نویسندگان:

مهدیه اصحابی

تغییرات اقلیمی و افزایش بارش‌های شدید در مناطق مستعد سیلاب در ایران، از جمله استان گلستان، چالش‌های پیچیده‌ای در زمینه‌های انسانی و اقتصادی ایجاد کرده است. این پژوهش به اهمیت مهندسی کامپیوتر در بهبود دقت پیش‌بینی بارش‌های روزانه پرداخته و از دو رویکرد مختلف یادگیری ماشین بهره گرفته است. در مرحله اول، تنها از الگوریتم شبکه عصبی استفاده شد که به نتایجی با میانگین مربعات خطا به 30.254، میانگین قدر مطلق خطای به 1.415، ضریب تعیین به 0.141 و دقت 80.57 درصد منجر شد. در مرحله بعد، با ترکیب الگوریتم شبکه عصبی و الگوریتم بهینه‌سازی ازدحام ذرات، نتایج به‌طور چشم‌گیری بهبود یافت و میانگین مربعات خطا به 21.787، میانگین قدر مطلق خطا به 1.634، ضریب تعیین به 0.199 و دقت به 73.61 درصد رسید.. نتایج این مطالعه نشان می‌دهد که مهندسی کامپیوتر و استفاده از رویکردهای ترکیبی هوش مصنوعی و الگوریتم‌های فراابتکاری می‌تواند دقت پیش‌بینی بارش در مناطق حساس و مستعد سیلاب را به طور قابل توجهی افزایش دهد. این پژوهش بر اهمیت روش‌های نوین محاسباتی در مدیریت ریسک بلایای طبیعی تأکید می‌کند و به توسعه راهکارهای مؤثر برای مقابله با چالش‌های ناشی از تغییرات اقلیمی کمک می‌کند.

بارش باران، یادگیری ماشین، پیش‌بینی، شبکه عصبی، الگوریتم بهینه‌سازی ازدحام ذرات

برای لینک‌دهی به این مقاله از آدرس زیر استفاده نمایید:

برای ارجاع در منابع از عبارت زیر استفاده کنید:
اصحابی، مهدیه، 1404، بررسی عملکرد و پیش بینی بارش با استفاده از ترکیب شبکه‌ عصبی و الگوریتم ازدحام ذرات، بیست و یکمین کنفرانس ملی دانشجویی مهندسی برق ایران، https://conference.uok.ac.ir/fa/archive_index.php?c=HN-iscee21&aid=1517969